一种基于混合群智能与万有引力的特征选择算法用于手写印度文字分类问题
神经与进化计算
2020-05-12 v1 计算机视觉与模式识别
机器学习
摘要
在任何多文字环境中，在文档图像送入各自的 Optical Character Recognition (OCR) 引擎之前，手写文字分类至关重要。多年来，研究者们提出了各种大多具有高维特征向量的方法解决这一复杂模式分类问题，从而增加了整个分类模型的计算复杂度。特征选择 (FS) 可作为中间步骤，通过仅保留必要且相关的特征来缩减特征向量的规模。本文中，我们通过引入一种称为基于混合群智能与万有引力的 FS (HSGFS) 的新 FS 算法来解决此问题。该算法在文献中近期提出的 3 种特征向量上运行——Distance-Hough Transform (DHT)、Histogram of Oriented Gradients (HOG) 和 Modified log-Gabor (MLG) 滤波器变换。使用三种最先进的分类器，即 Multi-Layer Perceptron (MLP)、K-Nearest Neighbour (KNN) 和 Support Vector Machine (SVM) 进行手写文字分类。由官方认可的 12 种印度文字组成、在块、文本行和词级别准备的手写数据集用于评估我们的方法。通过在所有三个数据集上仅使用约 75–80% 的原始特征向量，分类准确率取得了 2–5% 的平均提升。所提方法在与一些常用 FS 模型比较时也表现出更优性能。
引用
@article{arxiv.2005.04596,
title = {A Hybrid Swarm and Gravitation based feature selection algorithm for Handwritten Indic Script Classification problem},
author = {Ritam Guha and Manosij Ghosh and Pawan Kumar Singh and Ram Sarkar and Mita Nasipuri},
journal= {arXiv preprint arXiv:2005.04596},
year = {2020}
}
备注
37 pages, 22 figures, submitted to Multimedia Tools and Applications, Springer