原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于模板匹配和SVM的草图符号自适应识别方法.pdf
中国计算机辅助设计与图形学2008——纪念全国首届CAD／CG学术会议30周年
基于模板匹配和SVM的草图符号自适应识别方法·
姜映映+田-t王绪刚戴国忠
(中国科学院软件研究所人机交互技术与智能信息处理实验室北京100190)
摘要在草图符号的自适应学习中，不同用户的训练样本数量可毙不同，保持在不同样本数量下良好的学习效果成为需要解
决的一个重要问题．本文提出一种自适应的草图符号识别方法．谈方法采用与训练样本个数相关的分类器组合策略将模板匹配
方法和SVM统计分类方法进行了高效组合．它通过利用支持小样本学习的模扳匹配方法和支持大量样本学习的SVM方法，并同
时利用草图符号中的在线信息和离线信息，实现了不同样本个数下自适应的符号学习和识另9．评估表明，该方法可以在24类草
图符号分别使用l到20个训练样本时具有较高的识别正确率和较好的时间性能．
关键词符号识鼻q；自适应学习；模板匹配；SVM；离线：在线；分类器组合
on
forSketch-basedInterfacesbasedTemplate and
AdaptiveSymbolRecognition Matching
SVM
JiangYingying+Tian Dai
FengWangXugangGuozhong
ofSoftware，Chinc$cAcademy 100190,China)
(IntelligenceEngineefingkIbomtary，hl蜘te ofScience．s。Beijing
+Corresponding
Abstract insketch-based numberof bedifferentfor
of interfaces，thetrainingsamplesmay different
Duringadaptivelearningsymbols
use鹅anditis for methodstolearnwithflexible numbers．This all
challengingrecognition sample paperproposesadaptivesymbol
couldlearnwith
methodforsketch-basodinterfaces．Itcombines methodthat few andSVM
recognition templatematching samples
methodthat withmole a to numbers．Both0Dljneinformationandoffline
couldlearn related informationare
samplesby sUatcgy sample
utilized．Thusit and withdifferentnumbers．Evaluationshowsthatwhentherea陀24
couldlearllrecognize sample kin凼ofsymbols．tbe
methodcouldachieve and time with1to20
recognition good samples．
hig
文档评论（0）