基于并行组合分类器的脱机手写体数字识别

来源：计算机技术与发展杂志2018年第03期北京时间：

作者：楚浩宇;高萌;刘永生

摘要：为了提高脱机手写体数字识别的识别率和可靠性,并且考虑到传统的单一分类器对数字之间差异的敏感性不同,综合 K-近邻算法、广义回归神经网络、支持向量机三种机器学习算法,提出了一种并行组织结构的组合分类器。 并行组合分类器通过改进的投票机制来判定识别结果。 以 MNIST 数据库为数据来源,在 MATLAB 平台上开展各种分类器的性能对比实验。 组合后的识别率、拒识率、误识率、可靠性分别可达到 97. 48％、1. 55％、0. 97％、99. 02％。 实验结果表明,并行组合分类器在鲁棒性方面优于传统的单一分类器,在识别率、拒识率、算法的时间复杂度上均优于其他组合分类器。 并行组合分类器以简易结构实现了脱机手写体数字的快速、高效识别。

关键词：模式识别;组合分类器;LR;广义回归神经网络;支持向量机;手写体数字