龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安工业大学
摘要：本发明公开了一种改进的胶囊神经网络的手写签名识别方法，该方法主要如下：针对训练集中的样本数量大难以采集的问题，将胶囊神经网络与最小二乘支持向量机结合，减少训练集所需的样本数量。再是对用于手写签名识别的胶囊神经网络进行改进，一是胶囊神经网络里的动态路由算法需要多次迭代过程，采用自适应学习聚类算法替代路由算法，以此来保证向量具有良好的特征表达能力，二是针对胶囊神经网络的重构网络中全部采用全连接层，导致参数的数量庞大，用克罗内克积方法来代替全连接网络，改变计算方法，大大地减少参数的数量。本发明通过这两点改进胶囊神经网络用于手写签名识别，针对实际中遇到手写签名的识别率以及提高识别方法的泛化性和鲁棒性。
主权项：1.一种改进的胶囊神经网络的手写签名识别方法，其特征在于，包括以下步骤：步骤1、获得和预处理手写签名数据集；步骤2、搭建改进的胶囊神经网络的基本模型，其中采用自适应学习聚类算法进行特征提取，采用克罗内克积法进行参数计算；改进的胶囊神经网络的结构：将大小为224*224的输入图像首先经过经典的卷积操作，将卷积操作得到的数据用于基础胶囊的构建，基础胶囊通过自适应聚类算法将数据路由到下一层笔迹胶囊中对应胶囊，最后使用两个全连接层完成图像解码与重建图像；步骤3、搭建最小二乘支持向量机作为分类器；步骤4、训练：用预处理后的手写签名数据集作为样本库，训练改进的胶囊神经网络，设置若干个epoch，直至训练准确率稳定；步骤5、将胶囊神经网络提取的特征输入到最小二乘支持向量机中，对最小二乘支持向量机进行训练；步骤6、预测：针对训练好的手写签名识别模型，对新的未知图像做预测。
全文数据：
权利要求：
百度查询： 西安工业大学 一种改进的胶囊神经网络的手写签名识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号