Reconocimiento de Caracteres: Un abordaje invariante a translaci ...

Reconocimiento de Caracteres: Un abordaje invariante a translaci ... Reconocimiento de Caracteres: Un abordaje invariante a translaci ...

professor.ufabc.edu.br
from professor.ufabc.edu.br More from this publisher
22.11.2013 Views

Entrenamiento En esta etapa se usa el algoritmo del vecino holográfico mas próximo (HNN, Holographic nearest neighbor). Dado un conjunto de entrenamiento S, representamos el vector de características del elemento k como: S k = (c k 1, c k 2, . . . , c k M, r k ) donde c 1 , . . . , c M son as características extraídas, y r k es la respuesta asociada (clase). Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala

Entrenamiento Cada una das características é mapeada a variables polares usando la función de relación sigmoidal: θ k i = 2π(1 + e (µ−sk i )/σ ) −1 donde µ y σ son respectivamente el promédio y la desviación estándar de cada una de las características. Permite mapear cada característica s k i a valores de fase entre (0, 2π) [Sou92]. Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala

Entrenamiento<br />

Cada una das características é mapeada a variables polares usando la función<br />

<strong>de</strong> relación sigmoidal:<br />

θ k i = 2π(1 + e (µ−sk i )/σ ) −1<br />

don<strong>de</strong> µ y σ son respectivamente el promédio y la <strong>de</strong>sviación estándar <strong>de</strong> cada<br />

una <strong>de</strong> las características.<br />

Permite mapear cada característica s k i<br />

a valores <strong>de</strong> fase entre (0, 2π) [Sou92].<br />

<strong>Reconocimiento</strong> <strong>de</strong> <strong>Caracteres</strong>: <strong>Un</strong> <strong>abordaje</strong> <strong>invariante</strong> a <strong>translaci</strong>ón, rotación y escala

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!