基于模板匹配和SVM的草图符号自适应识别方法

摘要

在草图符号的自适应学习中,不同用户的训练样本数量可能不同,保持在不同样本数量下良好的学习效果成为需要解决的一个重要问题。本文提出一种自适应的草图符号识别方法。该方法采用与训练样本个数相关的分类器组合策略将模板匹配方法和SVM统计分类方法进行了高效组合.它通过利用支持小样本学习的模扳匹配方法和支持大量样本学习的SVM方法,并同时利用草图符号中的在线信息和离线信息,实现了不同样本个数下自适应的符号学习和识别.评估表明,该方法可以在24类草图符号分别使用1到20个训练样本时具有较高的识别正确率和较好的时间性能.