多分類(lèi)器系統(tǒng)關(guān)鍵技術(shù)及應(yīng)用研究.pdf

1、隨著高性能計(jì)算機(jī)的普及，利用計(jì)算機(jī)協(xié)助人工來(lái)處理日常的信息已經(jīng)成為當(dāng)前計(jì)算機(jī)科學(xué)發(fā)展的重要方向。模式識(shí)別作為主要的智能信息處理技術(shù)已經(jīng)越來(lái)越廣泛地被應(yīng)用到日常生活中。對(duì)于復(fù)雜的模式識(shí)別問(wèn)題，單一的分類(lèi)方法已經(jīng)無(wú)法給出準(zhǔn)確的分類(lèi)結(jié)果。多分類(lèi)器系統(tǒng)利用一組分類(lèi)器和一種融合算法，通常能給出比單一成員分類(lèi)器更好的性能，因此已經(jīng)成為解決復(fù)雜模式識(shí)別問(wèn)題的主要途徑。
　　本文研究了并行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)、分級(jí)串行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)以及多分

2、類(lèi)器系統(tǒng)新應(yīng)用中的關(guān)鍵技術(shù)及應(yīng)用問(wèn)題。對(duì)于并行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)，主要研究了分類(lèi)器選擇和融合算法；對(duì)于分級(jí)串行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)，主要研究了在有偽模式出現(xiàn)的識(shí)別問(wèn)題中設(shè)計(jì)串行多分類(lèi)器系統(tǒng)的問(wèn)題并給出了一個(gè)有效的串行系統(tǒng)；對(duì)于新應(yīng)用，主要通過(guò)一個(gè)應(yīng)用來(lái)倡導(dǎo)研究多種途徑應(yīng)用多分類(lèi)器系統(tǒng)。
　　具體包括：
　　1．研究了并行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)中的分類(lèi)器選擇問(wèn)題，提出了分類(lèi)器空間占有差異以及決策邊界曲率差異的分類(lèi)器幾何特性及其

3、比較方法。并提出了基于分類(lèi)器幾何特性比較的分類(lèi)器選擇策略。分類(lèi)器幾何特性比較直接在訓(xùn)練樣本集上進(jìn)行，方法的有效性在公開(kāi)測(cè)試數(shù)據(jù)集上進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，所提出的比較分類(lèi)器幾何特性的方法可以有效的比較分類(lèi)器決策區(qū)域形狀的差異。所提出的分類(lèi)器選擇策略總可以選出一組分類(lèi)器來(lái)構(gòu)建性能優(yōu)于平均性能的多分類(lèi)器系統(tǒng)，甚至是構(gòu)建性能最佳的多分類(lèi)器系統(tǒng)。
　　2．研究了并行結(jié)構(gòu)多分類(lèi)器系統(tǒng)設(shè)計(jì)中的分類(lèi)器融合問(wèn)題，提出了度量層次輸出空間的概念，并

4、提出了在此空間上的輸出鄰域交割模型ONI(Output Neighborhood Intersection)。該模型將基于度量層次輸出的多分類(lèi)器融合問(wèn)題轉(zhuǎn)化為在度量層次輸出空間中尋找最近正確融合點(diǎn)NCCP(Nearest Correct Combination Point)的過(guò)程。在ONI模型的基礎(chǔ)上，本文提出了一個(gè)可訓(xùn)練的融合分類(lèi)器度量層次輸出的多分類(lèi)器融合算法。本文從幾何角度上比較了該算法與常用的加權(quán)平均值算法的差異，并用公開(kāi)測(cè)試數(shù)

5、據(jù)庫(kù)驗(yàn)證了該算法的有效性。實(shí)驗(yàn)結(jié)果表明，所提出的基于ONI模型的多分類(lèi)器融合算法性能最好，它和加權(quán)平均法一樣健壯。
　　3．研究了在有偽模式出現(xiàn)的識(shí)別問(wèn)題中的串行多分類(lèi)器系統(tǒng)設(shè)計(jì)，提出了一個(gè)設(shè)計(jì)框架，并基于此框架提出了基于多層感知機(jī)(MLP)和正交高斯混合模型(OGMM)的可靠識(shí)別技術(shù)。該技術(shù)可以被應(yīng)用到存在與正常樣本差異較大的偽模式的識(shí)別問(wèn)題中。通過(guò) MLP進(jìn)行快速、準(zhǔn)確的識(shí)別，利用OGMM來(lái)拒絕差異較大的偽模式。該技術(shù)的有效性

6、在從真實(shí)金融票據(jù)中收集到的印刷體數(shù)字、印刷體漢字、手寫(xiě)體漢字以及模擬的印刷體英文字母和印刷體符號(hào)測(cè)試集上進(jìn)行了測(cè)試。實(shí)驗(yàn)結(jié)果表明，MLP-OGMM技術(shù)可以有效地拒絕諸如漢字及大部分英文字母、符號(hào)等偽模式，提高了金融票據(jù)印刷體數(shù)字識(shí)別的可靠性。
　　4．研究了多種途徑應(yīng)用多分類(lèi)器系統(tǒng)，提出了間接應(yīng)用多分類(lèi)器系統(tǒng)改善性能的思想。給出了應(yīng)用多分類(lèi)器系統(tǒng)參與訓(xùn)練 MLP的新應(yīng)用。該方法利用多分類(lèi)器系統(tǒng)對(duì)于測(cè)試樣本集樣本的融合識(shí)別結(jié)果作為該

7、樣本的類(lèi)別隸屬度，并用這樣的樣本集來(lái)訓(xùn)練 MLP。進(jìn)一步提出了利用多分類(lèi)器訓(xùn)練一組 MLP來(lái)構(gòu)成多 MLP團(tuán)體。該方法利用每一個(gè)分類(lèi)器對(duì)于訓(xùn)練樣本的識(shí)別結(jié)果作為該樣本的類(lèi)別隸屬度，從而產(chǎn)生了多個(gè)具有不同類(lèi)別隸屬度的樣本集。分別用這些樣本集訓(xùn)練出多個(gè) MLP，并從這些 MLP中選擇一些來(lái)組建多 MLP團(tuán)體。實(shí)驗(yàn)結(jié)果表明，經(jīng)過(guò)這樣訓(xùn)練后，MLP的輸出可以作為一種有效的可信度度量值，基于特定的閾值后，這樣的MLP可以成功的拒識(shí)大部分易混的樣本