手写体数字有效鉴别特征的抽取与识别

作     者：金忠 胡钟山 杨静宇 刘克 孙靖夷 JIN Zhong;HU Zhong-Shan;YANG Jing-Yu;LIU Ke;SUN C.Y

作者机构：南京理工大学计算机科学系南京210014 Concordia大学模式识别与机器智能中心 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：1999年第36卷第12期

页      面：1484-1489页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 070104[理学-应用数学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0701[理学-数学] 

基　　金：国家自然科学基金 国际合作研究项目 

主　　题：计算机 手写体数字识别 特征抽取 模式识别 

摘      要：文中提出了基于后验概率估计的多特征多分类器组合识别的估计法，并提出了基于具有统计不相关性的最佳鉴别变换与ＫＬ变换抽取手写体数字的有效鉴别特征的方法．实验采用Ｃｏｎｃｏｒｄｉａ Ｕｎｉｖｅｒｓｉｔｙ ＣＥＮＰＡＲＭＩ手写体数字数据库．用最近邻距离分类器与最近邻相关分类器这两个分类器，对手写体数字的１２ 个特征做多特征多分类器组合识别实验． 实验结果表明：估计法优于常用的投票法与计分法，估计法的识别率高达９７％ ．本文最后基于一个严格的结构分类器与估计法提出了一个集成分类器，该集成分类器获得了更好的实验结果：识别率、拒识率与可靠性分别可达到９７．１５％ 、２．０５％ 、９９．１８％ ，这是目前在该手写体数字数据库上所得到的最好的实验结果．