基于核典型相关分析的字符识别

• 作者: 吴炜 杨晓敏 罗代升 舒科 陈默
• 来源期刊: 光电子·激光
• 学科: 工学
• 关键词: 核方法 典型相关分析(CCA) 核函数 核典型相关分析(KCCA) Cholesky分解
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 图像和信息处理
• 页码范围: 558-561
• 页数: 4页
• 分类号: TP391.4
• 字数: 3936字
• 语种: 中文
• DOI: 10.3321/j.issn:1005-0086.2008.04.035

摘要

介绍一种基于核典型相关分析(KCCA)的字符识别方法.首先选取核函数将低维数据映射到高维空间,再利用典型相关分析(CCA)的思想对数据进行降维,最后利用分类器对降维后的数据进行分类识别.通过对MINST手写数字字符库的实验结果表明,利用KCCA对特征数据进行降维后,能够在新的特征空间中寻找到较好的线性模型,即新特征能够被较好地分类识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗代升	四川大学电子信息学院图像信息研究所	147	888	16.0	19.0
2	吴炜	四川大学电子信息学院图像信息研究所	82	916	17.0	25.0
3	杨晓敏	四川大学电子信息学院图像信息研究所	77	789	17.0	24.0
4	陈默	四川大学电子信息学院图像信息研究所	36	362	11.0	18.0
5	舒科	四川大学电子信息学院图像信息研究所	5	10	2.0	3.0