离线手写梵文字符识别的多分类器组合
计算机视觉与模式识别
2010-07-01 v1
摘要
本工作介绍了加权多数投票技术在组合三个基于多层感知器的分类器分类决策中的应用，这些分类器使用三种不同的特征集进行手写梵文字符识别。所使用的特征是交叉特征、阴影特征和链码直方图特征。阴影特征是对字符图像全局计算的，而交叉特征和链码直方图特征是通过将字符图像分割成不同片段来计算的。在包含4900个样本的数据集上进行实验，考虑到前五个选择结果，总体识别率为92.16%。该方法与最近的其他手写梵文字符识别方法进行了比较，观察到该方法比其他方法具有更高的成功率。
引用
@article{arxiv.1006.5913,
title = {Multiple Classifier Combination for Off-line Handwritten Devnagari Character Recognition},
author = {Sandhya Arora and Debotosh Bhattacharjee and Mita Nasipuri and Dipak Kumar Basu and Mahantapas Kundu},
journal= {arXiv preprint arXiv:1006.5913},
year = {2010}
}