基于集成学习与遗传算法的网络书写纹识别研究

• 作者: 刘三(蚜) 孙建文 杨宗凯 王佩
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 网络书写纹 集成学习 遗传算法 特征子集
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 242-245
• 分类号: TP391
• 字数: 4900字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2011.06.055

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宗凯	华中师范大学国家数字化学习工程技术研究中心	79	1178	16.0	33.0
2	王佩	武汉大学信息管理学院	11	121	5.0	11.0
3	孙建文	华中师范大学国家数字化学习工程技术研究中心	22	117	7.0	10.0
4	刘三(蚜)	华中师范大学国家数字化学习工程技术研究中心	5	48	3.0	5.0