支持向量机与人工神经网络在手写梵文字符识别中的性能比较
计算机视觉与模式识别
2010-07-01 v1
摘要
基于从示例中学习的分类方法自 1990 年代以来已广泛应用于字符识别，并显著提高了识别精度。这类方法包括统计方法、人工神经网络、支持向量机 (SVM)、多分类器组合等。本文讨论了已成功应用于手写梵文字符识别的几种分类方法的特性，以及 SVM 和 ANN 分类方法在手写梵文字符上的应用结果。在对字符图像进行预处理后，我们提取了阴影特征、链码直方图特征、基于视图的特征和最长游程特征。然后将这些特征输入到神经分类器和支持向量机中进行分类。在神经分类器中，我们探索了三种组合四个针对不同特征设计的 MLP 决策的方法。
引用
@article{arxiv.1006.5902,
title = {Performance Comparison of SVM and ANN for Handwritten Devnagari Character Recognition},
author = {Sandhya Arora and Debotosh Bhattacharjee and Mita Nasipuri and L. Malik and M. Kundu and D. K. Basu},
journal= {arXiv preprint arXiv:1006.5902},
year = {2010}
}