|
классификатора, в особенности на сложных изображениях, не принадлежащих данному кластеру. 7. Методы комбинирования классификаторов для решения классической задачи объединения результатов небольшого числа параллельно работающих классификаторов хорошо разработаны. Более сложные схемы объединения (последовательная, последовательно-параллельная) исследованы в значительно меньшей степени. 53 |
Достоинствами растрового классификатора являются проста, хорошая устойчивость к случайным дефектам изображения, высокая целостность восприятия (сравнению подвергается исходное изображение, а не его производные величины), низкий уровень замен. Его недостатками являются низкая обобщающая способность (как следствие высокой чувствительности к искажениям формы символа), низкая скорость (изза низкой обобщающей способности приходится создавать много кластеров), высокое число отказов (как следствие низкой обобщающей способности). Достоинствами признакового классификатора являются простота, хорошая обобщающая способность, хорошая устойчивость к изменениям формы символов, низкое число отказов. Недостатками признакового классификатора являются большое число замен, неустойчивость ко многим типам дефектов изображения. Следует отметить, что признаковые классификаторы обладают важным принципиальным недостатком этап извлечения признаков приводит к необратимой потере информации. Особых достоинств у структурных классификагоров в их современном понимании нет. Недостатками являются сложность, слабая выразительная возможность языка описания символа, бедный и нерасширяемый набор отношений, связывающих элементы, нецеленаправленность процедур анализа и оценки изображения, низкая временная неэффективность. Методы предобработки многообразны, и с практической точки зрения позволяют решить подавляющее число возникающих задач. Важно отметить два момента. Вопервых, задача предобработки должна ставится строго в контексте используемого классификатора. Не существует оптимальног о метода предобработки вообще оптимальность должна определяться по результатам работы классификатора. Во-вторых, предобработка изображения всегда приводит к необратимой потере информации. Для некоторых классификаторов это допустимо, поскольку число ошибок, вносимых приведением, компенсируется увеличением точности работы классификатора. Методы комбинирования классификаторов хорошо разработаны для решения классической задачи объединения результатов небольшого числа параллельно работающих классификаторов. Более сложные схемы объединения (последовательная, последовательно-параллельная) исследованы в значительно меньшей степени. 32 |