四川大学学报(自然科学版)
四川大學學報(自然科學版)
사천대학학보(자연과학판)
JOURNAL OF SICHUAN UNIVERSITY(NATURAL SCIENCE EDITION)
2008年
4期
790-794
,共5页
鲁书贤%刘正熙%刘显宾%刘林
魯書賢%劉正熙%劉顯賓%劉林
로서현%류정희%류현빈%류림
支持向量机%神经网络%手写符号%识别
支持嚮量機%神經網絡%手寫符號%識彆
지지향량궤%신경망락%수사부호%식별
针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性.
針對空管手寫符號識彆進行研究,使用支持嚮量機(SVW)與神經網(NN)的方法提齣瞭雙層的分類方法,第一層使用支持低分類率的NN分類器,使用一箇彊拒絕準則,應用瞭一箇易提取的較小特徵集.而被拒絕的模式再加上一些更複雜的附加特徵和均衡的拒絕準則一起用于第二層的SVM分類器,其中附加特徵包括具有彊分類能力的空管手寫符號的頭部和尾部特徵.實驗結果錶明,用這種方法可以得齣一箇更快的分類器,在相同特徵下分類的時間比單箇SVM更少,錯誤識彆率為0.1%,具有很好的魯棒性.
침대공관수사부호식별진행연구,사용지지향량궤(SVW)여신경망(NN)적방법제출료쌍층적분류방법,제일층사용지지저분류솔적NN분류기,사용일개강거절준칙,응용료일개역제취적교소특정집.이피거절적모식재가상일사경복잡적부가특정화균형적거절준칙일기용우제이층적SVM분류기,기중부가특정포괄구유강분류능력적공관수사부호적두부화미부특정.실험결과표명,용저충방법가이득출일개경쾌적분류기,재상동특정하분류적시간비단개SVM경소,착오식별솔위0.1%,구유흔호적로봉성.