基于Boosting集成的SMO增强型分类器设计
Boosting是一种可以提高弱学习算法准确率的通用方法.而SVM是一个非常强大的分类器,并且已经在包括手写字符识别和人脸检测等在内的广泛领域取得了非常好的效果.本文通过汉王10.0找出20对容易混淆的相似字对作为实验对象.然后应用SVM的方法进行训练和识别,和汉王10.0相比,错误率减少了17.55﹪.接着我们将SVM和Boosting方法结合,从而得到一种新算法——基于Boosting集成的SMO增强型分类器.我们将该方法应用到手写相似字的识别中,和汉王10.0以及SVM相比,错误率分别减少了26.28﹪和10.6﹪.
支持向量机 手写相似字 序列最小优化 增强型分类器 汉字识别
李训青 黄磊 刘迎建
中科院自动化所文字识别实验室(北京)
国内会议
绍兴
中文
95-102
2003-01-01(万方平台首次上网日期,不代表论文的发表时间)