基于集成学习与遗传算法的网络书写纹识别研究
【刊名】计算机科学
【发表时间】 2010-11-15
【作者】 孙建文; 杨宗凯; 刘三(女牙); 王佩;
【Author】 SUN Jian-wen1 YANG Zong-kai1 LIU San-ya1 WANG Pei2(National Engineering Research Center for E-learning,Huazhong Normal University,Wuhan 430079,China)1(School of Information Management,Wuhan University,Wuhan 430072,China)2
【机构】 华中师范大学国家数字化学习工程技术研究中心; 武汉大学信息管理学院;
【摘要】 N-gram字符是网络书写纹识别最有效的特征类型之一。针对其特征维数高、冗余特征多且无关特征少等特点,提出一种基于特征空间划分来构造集成学习分类器的网络书写纹识别方法。该方法首先根据一定的划分粒度,将初始特征集划分为等维度、无交叉的特征子集,然后基于每一个特征子集训练生成对应的基分类器(多元朴素贝叶斯),最后采用算术与几何平均相结合的融合策略完成集成学习分类器的构造。特征空间的划分(即特征子集的选择)采用遗传算法进行优化。实验在一个真实数据集上开展,其结果表明该方法有效地提高了网络书写纹的识别性能。 更多还原
【关键词】 网络书写纹; 集成学习; 遗传算法; 特征子集;
特别声明:本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性质的教育和科研之目的,并不意味着赞同其观点或者证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。