一种基于鲁棒度量的手写体识别方法与系统

摘要

本发明公开了一种基于鲁棒度量的手写体识别方法与系统，通过对手写体训练样本进行相似性学习，构造加权相似图，在紧凑局部类内散度和分离局部类间散度的同时保持所有训练样本的局部特性。为了提升手写体描述的鲁棒性，提出将1‑范数度量应用于半监督特征学习模型，设计出性能鲁棒的手写体识别方法与系统，输出一个可用于样本内和样本外手写体图像特征提取的投影矩阵P。样本外图像的归纳通过将测试样本向投影矩阵P进行投影，进而将提取的特征输入高效的标签传播分类器进行归类，取对应类别软标签中概率的最大值的位置，用于判定测试样本的类别，得到最准确的字符识别结果。同时，通过建立比率模型，减少了模型参数，且投影矩阵P满足正交特性。