基于误差纠正输出编码的波斯手写字母识别新方法
计算机视觉与模式识别
2016-04-27 v1 机器学习
机器学习
摘要
分类集成（classification ensemble）利用输出的加权投票，是组合一组基分类器以产生高性能、鲁棒且更稳定结果的艺术。本研究旨在利用误差纠正输出编码（Error Correcting Output Coding, ECOC）集成方法改进波斯手写字母识别的结果。此外，使用特征选择来降低所提方法中的错误代价。ECOC是一种将多类分类问题分解为多个二分类任务，然后将这些子任务的结果组合为原始问题的假设解的方法。首先，通过主成分分析（Principal Components Analysis, PCA）提取图像特征。之后，使用ECOC识别波斯手写字母，其中采用支持向量机（Support Vector Machine, SVM）作为基分类器。应用该集成方法于10个波斯手写字母真实世界数据集的实证结果表明，该方法在识别波斯手写字母方面优于其他集成方法以及单一分类。此外，通过测试若干不同特征，本文发现利用该方法可减少特征选择阶段的额外成本。
引用
@article{arxiv.1604.07554,
title = {A New Approach in Persian Handwritten Letters Recognition Using Error Correcting Output Coding},
author = {Maziar Kazemi and Muhammad Yousefnezhad and Saber Nourian},
journal= {arXiv preprint arXiv:1604.07554},
year = {2016}
}
备注
Journal of Advances in Computer Research