[55, 56]. Дальнейшие исследования, изложенные в работе [57], привели к появлению алгоритмов, реализующих автоматическое формирование признаков. Другой вариант структурного подхода базируется на представлении изображения символа в виде графа [58]. Процесс распознавания состоит в нахождении минимального преобразования, переводящего граф опознаваемого символа в эталонный граф. 2.5 Комбинирование распознавателей Из практического опыта следует, что разные классификаторы, примененные к одной задаче, ошибаются по-разному. Это наблюдение породило идею объединить решения нескольких классификаторов для достижения более высокой точности, чем может обеспечить каждый из них в отдельности. Методы комбинирования зависят от количества информации, выдаваемой каждым классификатором в результате его работы. Определяющими для метода комбинирования являются два аспекта сколько гипотез выдают классификаторы на выходе (одну или упорядоченный список) и имеется ли численная оценка достоверности выданных гипотез. Простейшим является метод голосования, который с успехом применялся для распознавания рукописных символов в работах [59, 60] и с небольшими модификациями в работах [61,62]. Этот метод в исходном виде применим только для классификаторов, выдающих один класс без численной оценки. Суть метода заключается в том, что на выходе выдается класс, который подтвержден большинством классификаторов. Варьируя требуемую степень согласованности решений отдельных классификаторов, можно управлять в некоторых пределах соотношением числа замен/отказов. Например, требуя единогласного решения, можно добиться уменьшения числа замен за счет увеличения числа отказов. 49 |
Другой вариан т структурного подхода полагается на представление изображения символа в виде графа [57]. Процесс распознавания состоит в нахождении минимального преобразования, переводящего граф опознаваемого символа в эталонный граф. 2.5 Комбинирование классификаторов По многократным свидетельствам исследователей, разные классификаторы, примененные к одной задаче, ошибаются по-разному. Это наблюдение породило естественное стремление объединить решения нескольких классификаторов для достижения более высокой точности, чем может обеспечить каждый из них в отдельности. Методы комбинирования зависят от количества информации, выдаваемой классификатором в результате его работы. Определяющими для метода комбинирования являются два аспекта сколько гипотез выдает классификатор на выходе (одну или упорядоченный список) и имеется ли численная оценка достоверности выданных гипотез. Простейшим являегся метод голосования, который с успехом применялся для распознавания рукописных символов авторами работ [58, 59] и с небольшими модификациями в работах [60, 61]. Этот метод в исходном виде применим только для классификаторов, выдающих один класс без численной оценки. Суть метода заключается в том, что на выходе выдается класс, который подтвержден большинством классификаторов. Варьируя требуемую степень согласованности решений отдельных классификаторов, можно управлять в некоторых пределах соотношением числа замен/отказов. Например, требуя единогласного решения, можно добиться уменьшения числа замен за счет увеличения числа отказов. Существует разновидность метода голосования, при котором каждому эксперту присваивается вес. Вес отражает "надежность" классификатора и позволяет объединять классификаторы с существенно разными характеристиками. Подбор весов может осуществляться вручную, на основе экспериментальных данных, или автоматически, как это было продемонстрировано в работе [62]. Простота метода голосования позволила сделать теоретический анализ, объясняющий связь между количеством экспертов, числом замен/отказов и выбранной иерархией голосования [63, 64]. 30 |