计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2011年
6期
242-245
,共4页
孙建文%杨宗凯%刘三(蚜)%王佩
孫建文%楊宗凱%劉三(蚜)%王珮
손건문%양종개%류삼(아)%왕패
网络书写纹%集成学习%遗传算法%特征子集
網絡書寫紋%集成學習%遺傳算法%特徵子集
망락서사문%집성학습%유전산법%특정자집
N-gram字符是网络书写纹识别最有效的特征类型之一.针对其特征维数高、冗余特征多且无关特征少等特点,提出一种基于特征空间划分来构造集成学习分类器的网络书写纹识别方法.该方法首先根据一定的划分粒度,将初始特征集划分为等维度、无交叉的特征子集,然后基于每一个特征子集训练生成对应的基分类器(多元朴素贝叶斯),最后采用算术与几何平均相结合的融合策略完成集成学习分类器的构造.特征空间的划分(即特征子集的选择)采用遗传算法进行优化.实验在一个真实数据集上开展,其结果表明该方法有效地提高了网络书写纹的识别性能.
N-gram字符是網絡書寫紋識彆最有效的特徵類型之一.針對其特徵維數高、冗餘特徵多且無關特徵少等特點,提齣一種基于特徵空間劃分來構造集成學習分類器的網絡書寫紋識彆方法.該方法首先根據一定的劃分粒度,將初始特徵集劃分為等維度、無交扠的特徵子集,然後基于每一箇特徵子集訓練生成對應的基分類器(多元樸素貝葉斯),最後採用算術與幾何平均相結閤的融閤策略完成集成學習分類器的構造.特徵空間的劃分(即特徵子集的選擇)採用遺傳算法進行優化.實驗在一箇真實數據集上開展,其結果錶明該方法有效地提高瞭網絡書寫紋的識彆性能.
N-gram자부시망락서사문식별최유효적특정류형지일.침대기특정유수고、용여특정다차무관특정소등특점,제출일충기우특정공간화분래구조집성학습분류기적망락서사문식별방법.해방법수선근거일정적화분립도,장초시특정집화분위등유도、무교차적특정자집,연후기우매일개특정자집훈련생성대응적기분류기(다원박소패협사),최후채용산술여궤하평균상결합적융합책략완성집성학습분류기적구조.특정공간적화분(즉특정자집적선택)채용유전산법진행우화.실험재일개진실수거집상개전,기결과표명해방법유효지제고료망락서사문적식별성능.