小波包变换在手写体金融汉字识别中的应用

doi:10.3778/j.issn.1002-8331.2008.31.067

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (31): 229-232.DOI: 10.3778/j.issn.1002-8331.2008.31.067

小波包变换在手写体金融汉字识别中的应用

喻莹^1,2,杨扬¹,董才林³,何秀玲³,陈增照³

1.北京科技大学信息工程学院，北京 100083
2.华中师范大学计算机科学系，武汉 430079
3.华中师范大学数统学院，武汉 430079

收稿日期:2007-11-29 修回日期:2008-02-25 出版日期:2008-11-01 发布日期:2008-11-01
通讯作者: 喻莹

Application of wavelet packet transformation in handwritten amount Chinese characters recognition

YU Ying^1,2,YANG Yang¹,DONG Cai-lin³,HE Xiu-ling³,CHEN Zeng-zhao³

1.School of Information Engineering，University of Science & Technology Beijing，Beijing 100083，China
2.Department of Computer Science，Central China Normal University，Wuhan 430079，China
3.School of Mathematics and Statistics，Central China Normal University，Wuhan 430079，China

Received:2007-11-29 Revised:2008-02-25 Online:2008-11-01 Published:2008-11-01
Contact: YU Ying

摘要/Abstract

摘要： 针对小波包变换的特点，提出了一种基于小波包变换的手写体金融汉字识别算法。该算法首先对汉字图像进行二维小波包分解，利用基于子图像能量方差的准则选择适当的部分分解树；然后将得到的子图像划分成多个局部窗口，计算局部窗口的能量值组成特征向量；再通过主成分分析（PCA）选择分类能力最强的一组特征，降低特征空间的维数；最后，将特征向量送入支持向量机进行分类。实验结果表明，该算法取得了较好的识别效果。

关键词: 小波包变换, 支持向量机, 能量函数, 金融汉字

Abstract: According to the traits of wavelet packet transformation，a handwritten amount Chinese characters recognition based on wavelet packet transformation is proposed.Firstly，wavelet packet transformation is used to decompose the character images whose proper partial decomposition tree could be chosen based on the variance characterization of energy function.Secondly，each sub-image is divided into several local windows whose energy values are calculated to combine the feature vectors.Thirdly，the PCA is applied to all the feature vectors in order to determine a few significant features to reduce the samples of SVM.Finally，SVM is used for classification. The efficiency of this method is proved by the experiments which effectually improves the recognition rate of the amount Chinese characters.

Key words: wavelet packet transformation, Support Vector Machine（SVM）, energy function, amount Chinese character

喻莹^1,2,杨扬¹,董才林³,何秀玲³,陈增照³. 小波包变换在手写体金融汉字识别中的应用[J]. 计算机工程与应用, 2008, 44(31): 229-232.

YU Ying^1,2,YANG Yang¹,DONG Cai-lin³,HE Xiu-ling³,CHEN Zeng-zhao³. Application of wavelet packet transformation in handwritten amount Chinese characters recognition[J]. Computer Engineering and Applications, 2008, 44(31): 229-232.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.

小波包变换在手写体金融汉字识别中的应用

Application of wavelet packet transformation in handwritten amount Chinese characters recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics