EDN China > 设计实例 > 微处理器与DSP > 多媒体处理器 > 正文
? 2016博客大赛-不限主题,寻找电子导师,大奖升级??

(多图) 基于优化GDTW-SVM算法的联机手写识别

吴新榕?? 曾剑铭?? 沈海斌 浙江大学电气工程学院?? 2012年05月18日 ?? 收藏0

3 优化GDTW-SVM算法

尽管GDTW-SVM获得了较高的识别率,但是其计算复杂度高。DTW算法的计算复杂度是O(NT,NR),而SVM算法在训练和识别过程中需要反复使用GDTW核函数,对于嵌入式设备的计算能力要求较高。因此,需要对GDTW核函数进行优化。

分析图1中的最优对齐路径,当两个样本完全相同时,最优对齐路径和对角线重合;当两个样本有所差别时,最优对齐路径偏离对角线,且差别(DTW距离)越大最优路径越偏离对角线。下面以字母m和n为例,进一步分析以上结论。

(1)依次从字母n的所有训练样本中选择一个样本,计算其到字母n的所有训练样本最优对齐路径,并规整到80’80矩阵;

(2)将所有计算结果叠加后得到n-n最优对齐路径叠加图;

(3)绘制叠加图,即图2的第一幅图,图中像素点灰度越高,代表越多最优对齐路径经过此点。同理,绘制n-m最优对齐路径叠加图和m-m最优对齐路径叠加图,分别为图2的第二和第三幅图所示。

基于优化GDTW-SVM算法的联机手写识别

从图2可以看到,两个相同或相似字符的最优对齐路径集中在对角区域:由于n的不同样本、m的不同样本的起笔写法比收笔写法随意,第一和第三幅图的对角区域的左下角比较宽;n和m的最优对齐路径在对角区域中分布较均匀,且第二幅图显示对角区域的中部有明显的低灰度区域。

假设训练样本可以代表联机手写字符的特征,则可以通过仅计算对角区域中的最优对齐路径来优化GDTW核函数。计算两个样本T=(t1,…,tNT)和R=(r1,…,rNR)的GDTW核函数时,假定二者属于相同的字符类,那么二者的差别不大,因此,在GDTW核函数计算中引入参数k和τ

基于优化GDTW-SVM算法的联机手写识别

式(9)中lbottom,ltop,lleft,lright如图3所示。引入参数k和τ之后,不在NT×NR的矩阵中求解式(8),而是在k和τ约束的区域(即图3中两条虚线所夹的对角区域)中求解,计算最优对齐路径。

基于优化GDTW-SVM算法的联机手写识别

从直观的角度看,参数k和τ减少了最优对齐路径的计算空间,因此,修改后的GDTW核函数的计算时间减少。而另外一方面,如果参数τ保持不变(如τ=0.6),参数k越小,最优对齐路径的前端的计算被约束在越小的空间,迫使其“最优”对齐路径的计算选择非最优对齐路径,即参数k是两个字符样本头部的相识程度的权重;类似地,参数τ是两个字符样本尾部的相识程度的权重。参数k和τ的权重作用对于如数字“0”和“6”等相似字符的分类有重要意义。

《电子设计技术》网站版权所有,谢绝转载


?? ?? ??


打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友
?? ??

手写识别? 动态时间规整? 支持向量机? 核方法?

相关文章

我来评论
美国的游客
美国的游客 ??? (您将以游客身份发表,请登录 | 注册)
?
有问题请反馈