基于SVM和证据理论的图标识别
大量电子文档中都包含具有标识信息的图标,通过对这些图标的分类判决,可以无需了解文档内容获取文档的归属信息.针对文档在电子化过程中可能出现的形变情况,论文提出一种基于支持向量机(SVM)和证据理论的图标识别方法.首先.利用SVM分类器和两种具有较强鲁棒性特征——区域分布特征和边界不变矩特征,分别对图标所属类别做初步判决,然后,利用证据理论改进合成公式对前面得到的初步判决结果进行融合.实验结果表明,新的识别方法能够有效地解决存在形变的小样本集图标的多类别判决问题.
图标识别 区域分布特征 边界不变矩 支持向量机 证据理论 电子文档 鲁棒性
陈刚 郭志刚 李弼程
信息工程大学信息工程学院,河南,郑州,450002
国内会议
郑州
中文
477-484
2008-10-24（万方平台首次上网日期，不代表论文的发表时间）