基于并行组合分类器的脱机手写体数字识别

• 作者: 刘永生 楚浩宇 高萌
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 模式识别 组合分类器 LR 广义回归神经网络 支持向量机 手写体数字
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 105-108
• 页数: 4页
• 分类号: TP391.4
• 字数: 3391字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.03.022

摘要

为了提高脱机手写体数字识别的识别率和可靠性,并且考虑到传统的单一分类器对数字之间差异的敏感性不同,综合K-近邻算法、广义回归神经网络、支持向量机三种机器学习算法,提出了一种并行组织结构的组合分类器.并行组合分类器通过改进的投票机制来判定识别结果.以MNIST数据库为数据来源,在MATLAB平台上开展各种分类器的性能对比实验.组合后的识别率、拒识率、误识率、可靠性分别可达到97.48%、1.55%、0.97%、99.02%.实验结果表明,并行组合分类器在鲁棒性方面优于传统的单一分类器,在识别率、拒识率、算法的时间复杂度上均优于其他组合分类器.并行组合分类器以简易结构实现了脱机手写体数字的快速、高效识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	楚浩宇	东北农业大学电气与信息学院	1	2	1.0	1.0
2	高萌	东北农业大学电气与信息学院	1	2	1.0	1.0
3	刘永生	东北农业大学电气与信息学院	1	2	1.0	1.0