基于核聚类的SVM多类分类方法

对支持向量机的多类分类问题进行研究,提出了一种基于核聚类的多类分类方法。利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的节点,构成了一个决策分类树。给出决策树的生成算法,提出了利用交叠系数来控制交叠,从而克服错分积累,提高分类准确率。实验结果表明,采用该方法,手写体汉字识别速度和正确率都达到了实用的要求。

支持向量机动态学习方法及其在票据识别中的应用

介绍了用支持向量机(SVM)进行动态学习训练的方法．解决了在机器学习过程中,训练样本获取比较困难,样本可随外界条件改变而变化的问题．实践证明,使用该方法可以动态跟踪样本的变化,保证 SVM 分类器的最优性能．利用该方法设计的银行票据 OCR 系统的实际应用说明了该方法的有效性．

基于多分类器集成的手写体金融汉字识别

用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。

基于多特征融合的票据分类技术及应用

对票据进行高速、准确的分类是实现票据自动处理的关键。论文分析了各种票据分类方法的优缺点,并根据金融、税务等行业所使用的票据特点,提出基于多特征融合的快速分类方法,可以将票据的几何尺寸、分类条码、标题、特征字符串、特征图像块、特征框线等特征有机地融合并进行分类,提高了票据分类的速度与准确性。利用该技术设计的银行票据处理系统的实际应用说明了该方法的有效性。

表单几何特征组件检测的研究与实现

表单图像变形、倾斜、噪声干扰、打印错位等问题往往使表单的数据域定位不准确,从而导致表单数据域提取失败。针对现有表单处理技术中存在的定位不准的问题提出了通过检测表单的条码、格结构等几何特征组件实现表单数据域的定位,并分别设计滤波器实现了几何特征组件的检测。实验证明了该方法的有效性。

基于核聚类的手写金融汉字识别方法

根据手写体金融汉字的特点,利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的结点,构成一个决策分类树。给出了金融汉字的分组方法和决策树的生成算法,提出利用交叠系数来控制交叠,可以克服错分积累,提高分类准确率。实验结果表明,采用该方法,手写体金融汉字识别的速度和正确率都达到了实用的要求。

基于受控形态学的无限制票据分类

目前的票据类型识别要求票据中必须存在框线、分类码等明确的分类标志,而现有的实际票据往往不满足这些条件,基于受控形态学操作的二次分类方法选取图像本身的结构特征进行了分级受控击中击不中变换,对票据样式没有任何限制。分析和实验表明,该方法计算复杂度低、速度快、准确率高。

基于识别的手写数字串分割

手写数字串的分割与字符识别密切相关。采用基于识别的分割方法,在分割过程中引入识别机制识别分割碎片,将识别结果经过差值运算后置为每个识别对象的识别可信度,利用动态规划找到最佳分割路径。在训练分类器时,使用反例样本估计分类器参数,得到了性能良好的分类器。实验数据表明,利用正例和反例样本结合训练的分类器比只经过正例样本训练的分类器的识别率要高很多。