基于多粒度级联多层梯度提升树的选票手写字符识别算法

• 作者: 徐英杰 李国勇 洪文焕
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 智能选举系统 手写字符 梯度提升树 多粒度级联多层梯度提升树 阈值判别法
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 人工智能
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP319.41
• 字数: 5022字
• 语种: 中文

摘要

针对传统算法如模板匹配法、支持向量机(SVM)在智能选举计票系统手写字符识别上准确率低的问题,提出一种基于多粒度级联多层梯度提升树方法进行准确又快速的选票手写字符识别的算法.首先,利用多粒度扫描的方式,通过设置多种大小不同的采样滑动窗口对图片进行逐步采样,得到特征子样本,再经过随机森林转换并拼接得到比原始数据更加抽象和健壮的再表征向量;再利用级联的多层梯度提升树,对得到高阶特征的表征向量进行逐层训练得到模型,根据多层梯度提升树对字符进行识别分类;最后,对于具有二义性符号,通过提出的阈值判别法进行判断,对有二义性的符号,则进行人工审查,反之直接输出,保证识别结果的高准确率.实验结果表明,该算法相比模板匹配方法、SVM算法在准确率上均有很大提高;与gcForest相比,该算法在测试准确率上平均提升了5.29% ;与CNN相比,测试准确率上平均提升了3.3% ,在训练时间上缩短了89.24% ,测试识别耗时减少了48.61% .

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国勇	中国科学院成都计算机应用研究所	11	41	4.0	6.0
2	洪文焕	中国科学院成都计算机应用研究所	2	1	1.0	1.0
6	徐英杰	中国科学院成都计算机应用研究所	2	15	1.0	2.0