[发明专利]一种基于宽度学习算法的手写体识别方法及系统

权利要求书

1.一种基于宽度学习算法的手写体识别方法，其特征在于，包括有以下步骤：

宽度学习算法模型训练；

获取待识别手写体图像；

将所述待识别手写体图像转化为数字矩阵；

将所述数字矩阵输入到训练好的宽度学习算法模型中进行识别；

得到该手写体图像对应的内容。

2.根据权利要求1所述的基于宽度学习算法的手写体识别方法，其特征在于，所述“宽度学习算法模型训练”具体包括以下步骤：

收集模型训练手写体图像数据——收集大量手写体图像，构建算法模型的训练数据；

构建映射特征点矩阵——处理模型训练手写体图像数据，得到原始输入矩阵和原始输出矩阵，构建映射特征点矩阵；

构建增强点矩阵——利用映射特征点矩阵，经过处理构建增强点矩阵；

模型训练——用伪逆计算和岭回归算法得到输入层到输出层的权重矩阵，完成算法模型的训练。

3.根据权利要求2所述的基于宽度学习算法的手写体识别方法，其特征在于，所述“处理模型训练手写体图像数据，得到原始输入矩阵和原始输出矩阵，构建映射特征点矩阵”具体为：首先将输入的模型训练手写体图像依次经过标准化和归一化处理，得到输入训练数据矩阵，然后利用宽度学习方法对所述输入训练数据矩阵进行标准化、归一化和稀疏化表示，生成特征节点，构建映射特征点矩阵。

4.根据权利要求3所述的基于宽度学习算法的手写体识别方法，其特征在于，对输入的模型训练手写体图像进行标准化、归一化处理后进行增广处理。

5.根据权利要求2所述的基于宽度学习算法的手写体识别方法，其特征在于，所述“利用映射特征点矩阵，经过处理构建增强点矩阵”具体为：利用宽度学习方法对所述映射特征点矩阵进行标准化、归一化和稀疏化表示，生成增强节点，构建增强点矩阵。

6.根据权利要求2或3或4或5所述的基于宽度学习算法的手写体识别方法，其特征在于，所述“收集大量手写体图像，构建算法模型的训练数据”具体为：将手写体图像分为训练数据集X_Train、验证数据集X_Incre和测试数据集X_test，并对训练数据集X_Train、验证数据集X_Incre和测试数据集X_test进行z分数归一化和稀疏化表示。

7.根据权利要求6所述的基于宽度学习算法的手写体识别方法，其特征在于，在构建映射特征点矩阵时利用宽度学习方法对训练数据集X_Train得到的训练数据矩阵进行标准化、归一化和稀疏化表示，生成特征节点Z_i＝φ(XW_ei+β_ei)，i＝1，…，n，并标记特征层为Zⁱ＝[Z₁，…，Z_i]，其中W_ei是适当维度的随机权重矩阵，由呈高斯分布的随机权重矩阵ωe生成，i表示迭代量。

8.根据权利要求7所述的基于宽度学习算法的手写体识别方法，其特征在于，在构建增强点矩阵时，基于映射特征点矩阵直接计算生成增强节点H_j＝φ(ZⁱW_hj+β_hj)，j＝1，…，n，并标记增强层为H^j＝[H₁，…，H_j]。