论文部分内容阅读
随着模式识别方法的逐渐成熟和个人计算机性能的迅速提高,手写汉字识别技术取得了很大进展,但现有方法对脱机手写汉字识别的性能还存在明显不足。本文针对大类别集手写汉字识别的分类器设计进行研究,在基于全类分类器与子集分类器融合方面做了一些工作。主要研究工作如下:
一、提出了基于线性鉴别分析(LDA)的复合距离方法,该方法能够有效的区分汉字中的相似字,并取得了很高的整体识别率。我们证明了在一些严格的假设条件下,以往学者提出的复合马氏距离是我们提出方法的特例。虽然我们提出的方法需要一些额外的存储量,但当在原始特征空间计算相似对的LDA鉴别矢量的时候,我们提出的方法能够获得比MQDF和复合马氏距离高得多的识别率。
二、比较分析了线性鉴别分析(LDA)、异方差鉴别分析(HLDA)、近似信息鉴别分析(AIDA)和线性支持向量机(SVM)在相似字鉴别方面的性能,实验结果表明绝大多数相似字是线性可分的。HLDA和AIDA与LDA相比没有明显差别,这说明即使是非常相近的汉字,它们的类别中心也离得足够远。线性SVM和LDA相比在区分相似字上也没有明显区别。
三、提出了全类分类器与不完全两类分类器融合的一个概率性框架。全类分类器与两类分类器的输出被分别转化为所属类别的概率,然后全类分类器与相关两类分类器通过多数投票法、筛选法、对耦合(Pairwise coupling)、最小最大方法、纠错输出编码、排除解码方法进行融合。这些方法考虑到了全类分类器的多个候选,最后的识别结果比基于LDA的复合距离方法有了进一步提高。尤其在全类分类器识别率不高的情况下,效果更加明显。
四、提出了一种基于Dempster-Shafer(D-S)证据理论的融合大类别全类分类器(基分类器)与子集分类器的方法。通过引入虚拟分类器方法(子集内类别个数大于2)和否定概率法(子集内类别个数是2)来估计子集外类别概率。实验结果表明,该方法能明显地提高基分类器的识别率。
本文提出的一些算法在ETL9B和CASIA手写汉字样本数据库上测试,得到的识别率达到了世界先进水平。