基于可分性度量的捆绑模型分析及其在手语识别中的应用
针对具体应用设计效果更优的分类器一直是模式识别领域重要的研究内容.对于不同分类器效果的评价,目前的主要途径是建立在识别率的比较上.识别率具有简洁直观的优点,但其受测试集的影响较大,且用其指导更优分类器的设计的能力较弱.基于信息论中有关互传信息量的理论,提出了分类器的可分性度量方法,并提出了模式空间多分辨率分析的概念以及其与分类器可分性度量之间的关系,进而提出了以提高分类器分类能力为目标的模型捆绑方法.在大词汇量中国手语孤立词识别的系统中,应用以上思想指导捆绑模型的设计,并对结果进行了客观的比较.实验结果表明,可分性度量方法可以对分类器的分类效果进行客观的评价,并且用其指导分类器的设计可以获得更好的分类质量。
互传信息量 可分性度量 模型捆绑 手语识别 模式识别 分类器
姜峰 高文 姚鸿勋
哈尔滨工业大学计算机学院,哈尔滨,150001 哈尔滨工业大学计算机学院,哈尔滨,150001;中国科学院计算技术研究所,北京,100080
国内会议
北京
中文
195-201
2005-09-23（万方平台首次上网日期，不代表论文的发表时间）