手写数字识别与洪水模拟和拓特征提取
Rafał Brociek1, Mariusz Pleszczyński2, Jakub Błaszczyk3
1Department of Artificial Intelligence Modelling, Faculty of Applied Mathematics, Silesian University of Technology, 44-100 Gliwice, Poland.
Entropy (Basel, Switzerland)
|December 24, 2025
概括
本研究提出了一种使用洪水模拟和拓学的新手写数字识别方法. 它准确地分类数字,以更少的数据和噪声优于传统方法.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 模式识别 模式识别
背景情况:
- 传统的基于像素的数字识别方法与噪音和有限的数据作斗争.
- 现有的方法往往缺乏对旋转和阻塞等变异的稳定性.
研究的目的:
- 介绍一种基于拓学的新方法,用于手写数字识别.
- 提高对常见图像缺陷的分类准确性和稳定性.
主要方法:
- 模拟图像边界的定向洪水,使用修改的宽度优先搜索 (BFS) 算法.
- 提取拓特征,包括冲动方向性,细分和封闭区域.
- 使用 Annoy 估计最近的邻居以进行高效的分类.
主要成果:
- 在MNIST数据集上达到95.9%的准确性,在USPS数据集上达到93.0%.
- 证明了对旋转,噪音和有限的训练数据的弹性.
- 降低了特征维度,同时提高了概括性.
结论:
- 拟议的以拓驱动的数字识别方法提供了高精度和稳定性.
- 这种方法为分类提供了一个紧和可解释的特征表示.
- 洪水模拟和拓特征提取为基于像素的方法提供了一个有希望的替代方案.
