基于改进混合学习模型手写阿拉伯数字识别方法.pdfVIP

更多技术文章，论文请登录 第 32 卷第 2 期 电 子 与 信 息 学 报 Vol.32No.2 2010 年 2 月 Journal of Electronics Information Technology Feb. 2010 基于改进的混合学习模型的手写阿拉伯数字识别方法 徐琴珍 杨绿溪 (东南大学信息科学与工程学院 南京 210096) 摘 要：在特征空间维数较高的手写阿拉伯数字识别问题中，冗余的特征往往会意外增加学习模型刻画问题空间的 复杂度，影响手写阿拉伯数字识别的效率和精确度。该文提出了一种基于边界对特征的敏感度值进行特征选择的支 持向量机树混合学习模型，依据当前中间节点上的分类曲面对子样本空间中的样例特征的敏感程度选择特征，在新 构建的子样本集上训练子节点上的支持向量机。UCI 机器学习数据库中手写阿拉伯数字识别问题的仿真结果表明， 与其他算法相比，该文提出的方法能够在提高或保持手写阿拉伯数字高识别精确率的同时，精简问题空间，从而简 化混合学习模型的中间节点和整体结构。 关键词：手写阿拉伯数字识别；支持向量机树；边界对特征的敏感度 中图分类号：TP391.43 文献标识码：A 文章编号：1009-5896(2010)02-0433-06 DOI: 10.3724/SP.J.1146.2009.00064 An Improved Hybrid Learning Model Based Handwritten Digits Recognition Approach Xu Qin-zhen Yang Lu-xi (School of Information Science and Engineering, Southeast University, Nanjing 210096, China) Abstract: This paper is concerned with the problem of handwritten digits recognition in high dimensional feature space. The residual feature information may bring undesirable complexity to the underlying probability distribution of the concept label for learning algorithm to capture. The recognition accuracy and efficiency of the so trained learning model are usually depressed. According to this situation, an improved confusion-crossed support vector machine tree is proposed. A feature selection process based on the sensitivity of the margin to a feature is presented for the training step of each support vector machine embe