对应用于手写体字符识别的最近邻分类器原型学习算法的评估（上）

• 作者: Cheng－Lin Liu 张罡
• 来源期刊: 图象识别与自动化
• 学科: 工学
• 关键词: 最近邻分类器 原型学习算法 手写体数字识别
• 年，卷（期）: 2001,（2）
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP391.43

摘要

原型学习对提高最近邻分类器的判决性能以及降低存储和计算量很有效。本文回顾了最近邻分类器的一些原型学习算法，并对其在手写体字符识别中的应用特性作了比较。这些算法包括著名的LVQ和一些通过梯度搜索使外界影响最小的参数最优化方法。本文还提出了一些新的算法，并同现有的算法作了比较。在基于CENPARMI数据库手写体数字识别和基于ETL8B2数据库手写体汉字识别方面，对11种原型学习算法进行了测试。实验结果显示，基于参数最优化的算法通常优于LVQ算法，特别是最小分类误差算法（MCE）、GLVO算法和一种新的算法（MAXP1）效果最好。