基于多分类器组合的手写体数字识别

本文提出了一个基于多分类器组合的手写体数字识别方法。文中首先给出了一个客观评价分类器性能的参数,其后基于此参数提出了多分类器的组合方法,并从理论上研究了此方法的一些性质,本文实验采用Ｃｏｎｃｏｒｔｄｉａ大学模式识别与机器智能中心的手写体数字数据库,在实验中,使用了９个利用不同特征分类器进行组合,组合后识别率、拒识率和可靠性分别可达到９７．０５％,２．０５％,９９．０８％。     

多分类器系统的泛组合规则研究与应用

现有的多分类器系统采用固定的组合算子,适用性较差。将泛逻辑的柔性化思想引入多分类器系统中,应用泛组合运算模型建立了泛组合规则。泛组合规则采用遗传算法进行参数估计,对并行结构的多分类器系统具有良好的适用性。在时间序列数据集上的分类实验结果表明,泛组合规则的分类性能优于乘积规则、均值规则、中值规则、最大规则、最小规则、投票规则等固定组合规则。     

基于关联规则的贝叶斯网络分类器

关联规则分类器(CBA)利用关联规则来构造分类算法,但其没有考虑分类问题中的不确定性.提出一种基于关联规则的贝叶斯网络分类算法.该算法利用关联规则挖掘算法提取初始的候选网络边集,通过贪心算法学习网络结构,得到比经典的贝叶斯网络分类器TAN更好的拓扑结构.通过在15个UCI数据集上的实验结果表明,该算法取得了比TAN,CBA更好的分类性能.     

多分类器组合及其应用

1 引言传统的模式识别系统通常只使用样本的某种单一特征描述和特定的一个分类器来进行分类。这种系统对于类别数较大、输入样本带噪声的问题很难获得好的分类效果。近来发现不同的特征描述、不同的分类器在分类性能上存在着彼此互补的现象,因此同时使用多种特征描述和多个分类器可能提高分类精确性。目前,多分类器组合的研究吸引了学者们广泛的注意,并     

基于Cascade组合分类器的医学图像分类方法研究

提出了利用Cascade组合方法生成基于贝叶斯、神经网络与决策树的组合分类器,并将之应用到肝脏图像的分类中。实验结果表明,与现有医学图像分类方法相比,该组合方法可以有效地提高医学图像分类的准确性和稳定性。     

多分类器组合及其应用于手写体数字识别

在许多模式识别的应用中经常遇到这样的问题:组合多个分类器.提出了一种新的组合多个分类器的方法,这个方法由反向传播神经网络来控制,一个无标号的模式输入到每一个单独的分类器,它也同时输入到神经网络中来决定哪两个分类器作为冠军和亚军.让这两个分类器通过一个随机数发生器来决定最终的胜者.并且将这个方法应用到识别手写体数字.实验显示单个分类器的性能能够得到可观的改变.     

改进的AdaBoost算法与SVM的组合分类器

提出了一种改进的AdaBoost算法与支持向量机组合的分类方法,用来处理多类别分类。采用规则抽样来解决支持向量机分类中正负样本的不平衡性,改进AdaBoost算法,使其在初始化时考虑样本分布稀疏的重要性,有利于稀有类样本的正确划分。实验结果表明,此方法与标准支持向量机分类器相比,泛化性能有一定程度的提高。     

多分类器组合研究

文章提出了一种多分类器的组合方法,它利用了参与组合的分类器提供的度量层次上的两类信息:对训练样本的决策信息;对待识样本的决策信息。首先对这两类信息进行集成,进而给出了组合分类器的判定规则。用该方法对手写体汉字作分类识别,实验结果显示,较之其它几种方法,它有更高的正确识别率。     

神经网络分类器的组合

利用神经网络分类器组合,对手写体数字识别问题进行了研究。通过对同一训练样本集抽取不同的特征集合,从而获得不同的神经网络分类器。对这些分类器的分类结果组合得到最终的分类结果。提出性能函数PF（S,T）用来确定阈值S,T,从而获得错误率与拒识率间的最佳平衡,实验结果表明,此种分类器组合方法能根据不同应用的要求,自动地选取性能函数中的参数,减少分类错误率,提高识别的可靠性。     

应用分类器组合模型进行岩性识别

为了达到应用模式识别对储层岩性进行准确的识别,根据不同性质分类器的组合可以较全面描述一个模式从而降低识别错误及增强识别鲁棒性这种特性,结合模糊数学中的隶属度实现了多个分类器的定量组合.应用了几种不同的分类器进行组合,同时应用某油田的岩性识别作为实例进行验证,并与单个分类器进行比较,结果表明在间等条件下组合分类器的性能要比单个分类器的性能要好得多.这说明了应用不同性质的分类器进行组合识别的分类方法足可行性和有效性.     

A computational model for recognition of multifont word images

A computational model for the recognition of multifont machine-printed word images of highly variable quality is given. The model integrates three word-recognition algorithms, each of which utilizes a different form of shape and context information. The approaches are character-recognition-based, segmentation-based, and word-shape-analysis based. The model overcomes limitations of previous solutions that focus on isolated characters. In an experiment using a lexicon of 33,850 words and a test set of 1,671 highly variable word images, the algorithm achieved a correct rate of 89% at the top choice and 95% in the top ten choices.     

Combining multiple classifiers based on third-order dependency for handwritten numeral recognition

Storing and estimating high order probability distribution of classifiers and class labels is exponentially complex and unmanageable, so we rely on an approximation scheme using the dependency. As an extension of the second-order dependency approach, the probability distribution is optimally approximated by the third-order dependency and then multiple classifiers are combined by such third-order dependency approximation.     

基于全信息矩阵的多分类器集成方法

自动文本分类是提高信息利用效率和质量的有效方法,而多分类器的有效组合能够得到更高的分类准确率.给出了样本集在多分类器下的全信息矩阵概念,并提出一种权重自适应调整的多分类器集成方法.该方法能够自适应地选择分类器组合及确定分类器权重,并利用分类统计信息指导分类结果的集成判决.通过在标准文本集Reuters-21578上的实验表明:该方法能从查准率和查全率两方面提高文本分类的整体性能,同时表明了该方法的有效性.     

窗口信函邮政编码分割与识别系统的研究和实现

文中介绍了窗口信函邮政编码分割与识别系统的研制。根据投影原理首先分割出信封图像上的文字行,然后再在行内分割邮政编码数字的图像。数字的识别采用两种方法分别进行,对两个识别结果经适当的组合形成最后的识别结果。采用了一种基于统计规则的多分类器组合方法,使得组合的结果不仅识别高而且错识率低。     

基于Cascade的增量式组合分类算法研究

利用Learn++思想对Cascade组合分类器进行了改进,提出了一种基于Cascade的增量式组合分类算法,并将之应用到肝脏图像的分类中。实验结果表明,与原有组合分类器相比,该增量式组合分类方法可以在保证分类准确度的前提下有效地提高新增样本的学习效率。     

基于多分类器集成的手写体金融汉字识别

用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。     

基于多分类器组合的笔迹验证

运用多分类器组合技术和模糊技术将多种笔迹鉴别方法按一定规则进行融合,针对笔迹鉴别中的笔迹验证问题进行应用。实验结果表明,融合后笔迹验证准确率有大幅的提高     

基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法

由于雷达自动目标识别（Radar automatic target recognition,RATR）中库外目标的存在,评价系统性能时应综合考虑其识别性能和拒判性能. 由此本文构造了一种将分类器的输出通过最近邻分类器（Nearest neighbor,NN）进行拒判和识别的“分类器——最近邻”系统,并在拒判和识别两个阶 段分别采用多分类器融合技术以提高RATR系统的拒判和识别综合性能. 此外,文中定义了一种代价函数以衡量系统综合性能并为系统拒判工作点的选取提供依据. 进而,采用局部法和全局法两种算法确定拒判器的工作点. 实测数据实验结果验证了本文方法的有效性,两种工作点选取算法均能够显著提高识别系统的综合性能.     

基于选择性集成分类器的面部表情识别研究*

为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(Quadratic Optimization Choice, QOC)集成分类模型。首先,对于9个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器。其次,依据组合规则产生集成模型簇。最后,对集成模型簇进行二次优化选择,选择具有最小泛化误差的集成分类器的子集,从而确定最优集成分类模型。为了验证QOC集成分类模型的性能,选择采用最大值、最小值和均值规则的集成模型作为对比模型,实验结果表明：相对基分类器,QOC集成分类模型取得了较好的分类效果,尤其是对于识别率较差的悲伤表情类,平均识别率提升了21.11%。相对于非选择性集成模型,QOC集成分类模型识别性能也有显著提高。     

基于全信息相关度的动态多分类器融合

AdaB00st采用级联方法生成各基分类器,较好地体现了分类器之间的差异性和互补性.其存在的问题是,在迭代的后期,训练分类器越来越集中在某一小区域的样本上,生成的基分类器体现不同区域的分类特征.根据基分类器的全局分类性能得到固定的投票权重,不能体现基分类器在不同区域上的局部性能差别.因此,本文基于Ada-Boost融合方法,利用待测样本与各分类器的全信息相关度描述基分类器的局部分类性能,提出基于全信息相关度的动态多分类器融合方法,根据各分类器对待测样本的局部分类性能动态确定分类器组合和权重.仿真实验结果表明,该算法提高了融合分类性能.