技術(shù)特征：

1.一種手寫體字符圖像特征識(shí)別的方法，其特征在于，所述方法包括：

輸入手寫體字符圖像訓(xùn)練樣本和手寫體字符圖像測(cè)試樣本；

將所述手寫體字符圖像訓(xùn)練樣本輸入軟半監(jiān)督判別手寫體圖像特征學(xué)習(xí)算法模型中，輸出用于特征提取的描述矩陣；其中，所述軟半監(jiān)督判別手寫體圖像特征學(xué)習(xí)算法模型利用1-范數(shù)規(guī)則構(gòu)造樣本之間的加權(quán)相似圖，并利用比例模型在緊湊局部軟標(biāo)簽類內(nèi)散度和分離局部軟標(biāo)簽類間散度的同時(shí)保持所有手寫體字符圖像訓(xùn)練樣本進(jìn)行局部保持特征提取，通過迭代過程得到描述矩陣；

利用所述描述矩陣提取所述手寫體字符圖像測(cè)試樣本的特征，生成新測(cè)試特征集；

將所述新測(cè)試特征集利用最近鄰分類器進(jìn)行歸類，確定各所述手寫體字符圖像測(cè)試樣本對(duì)應(yīng)的歐式距離中最小值的位置，并將所述位置對(duì)應(yīng)的類別作為各所述手寫體字符圖像測(cè)試樣本的字符識(shí)別結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述手寫體字符圖像訓(xùn)練樣本輸入軟半監(jiān)督判別手寫體圖像特征學(xué)習(xí)算法模型中，輸出用于特征提取的描述矩陣，包括：

根據(jù)所述手寫體字符圖像訓(xùn)練樣本計(jì)算局部保持矩陣；

根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算預(yù)定矩陣；其中，所述預(yù)定矩陣包括軟標(biāo)簽權(quán)值矩陣，軟標(biāo)簽各類均值矩陣，軟標(biāo)簽全樣本均值矩陣，權(quán)值矩陣；

根據(jù)所述預(yù)定矩陣，利用所述比例模型通過迭代過程得到描述矩陣。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述手寫體字符圖像訓(xùn)練樣本計(jì)算局部保持矩陣，包括：

利用公式計(jì)算局部保持矩陣M；

其中，||·||為2-范數(shù)，x_i為第i個(gè)樣本。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算軟標(biāo)簽權(quán)值矩陣，包括：

利用公式計(jì)算軟標(biāo)簽權(quán)值矩陣F^S；

其中，是F矩陣的第i列；是樣本x_i的K近鄰集合；W是一個(gè)正規(guī)化的對(duì)稱相似性矩陣，是矩陣F^T的第i行；D是一個(gè)對(duì)角矩陣，其中的元素μ_i和ψ是相關(guān)權(quán)衡參數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算軟標(biāo)簽各類均值矩陣，包括：

利用公式計(jì)算軟標(biāo)簽各類均值矩陣μ_i。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算軟標(biāo)簽全樣本均值矩陣，包括：

利用公式計(jì)算軟標(biāo)簽全樣本均值矩陣μ。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算權(quán)值矩陣，包括：

利用公式計(jì)算權(quán)值矩陣

其中，γ∈[0,1]為軟標(biāo)簽類內(nèi)散度和局部保持投影權(quán)衡參數(shù)，軟相似度矩陣定義為：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，利用所述描述矩陣提取所述手寫體字符圖像測(cè)試樣本的特征，生成新測(cè)試特征集，包括：

將所述手寫體字符圖像測(cè)試樣本向所述描述矩陣進(jìn)行映射，生成新測(cè)試特征集。

9.一種手寫體字符圖像特征識(shí)別的系統(tǒng)，其特征在于，包括：

輸入模塊，用于輸入手寫體字符圖像訓(xùn)練樣本和手寫體字符圖像測(cè)試樣本；

訓(xùn)練模塊，用于將所述手寫體字符圖像訓(xùn)練樣本輸入軟半監(jiān)督判別手寫體圖像特征學(xué)習(xí)算法模型中，輸出用于特征提取的描述矩陣；其中，所述軟半監(jiān)督判別手寫體圖像特征學(xué)習(xí)算法模型利用1-范數(shù)規(guī)則構(gòu)造樣本之間的加權(quán)相似圖，并利用比例模型在緊湊局部軟標(biāo)簽類內(nèi)散度和分離局部軟標(biāo)簽類間散度的同時(shí)保持所有手寫體字符圖像訓(xùn)練樣本進(jìn)行局部保持特征提取，通過迭代過程得到描述矩陣；

測(cè)試預(yù)處理模塊，用于利用所述描述矩陣提取所述手寫體字符圖像測(cè)試樣本的特征，生成新測(cè)試特征集；

測(cè)試模塊，用于將所述新測(cè)試特征集利用最近鄰分類器進(jìn)行歸類，確定各所述手寫體字符圖像測(cè)試樣本對(duì)應(yīng)的歐式距離中最小值的位置，并將所述位置對(duì)應(yīng)的類別作為各所述手寫體字符圖像測(cè)試樣本的字符識(shí)別結(jié)果輸出。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述訓(xùn)練模塊，包括：

第一計(jì)算單元，用于根據(jù)所述手寫體字符圖像訓(xùn)練樣本計(jì)算局部保持矩陣；

第二計(jì)算單元，用于根據(jù)所述手寫體字符圖像訓(xùn)練樣本及所述局部保持矩陣，計(jì)算預(yù)定矩陣；其中，所述預(yù)定矩陣包括軟標(biāo)簽權(quán)值矩陣，軟標(biāo)簽各類均值矩陣，軟標(biāo)簽全樣本均值矩陣，權(quán)值矩陣；

第三計(jì)算單元，用于根據(jù)所述預(yù)定矩陣，利用所述比例模型通過迭代過程得到描述矩陣。