模式识别miniproject-脱机手写签名识别,这是每个学习模式识别的同学必做的课程设计miniproject,主要功能要求如下:一共有20个人,在其对应的文件夹中存放了每个人的20个手写签名图像,每幅图像均为PCX图像格式,大小为12994像素大小。
对每个人的手写签名,用其中80%的图像作为训练样本进行训练,用余下的20%的图像进行测试。
在签名图像进行特征提取时,提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数(pdf),然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能,将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
签名
识别
源码
1