Проверяемый текст
Терещенко Вадим Владиславович. Разработка и реализация новых принципов автоматического распознавания рукописных документов в компьютерных системах обработки данных (Диссертация 2000)
[стр. 83]

4.3 Описание признакового классификатора Классификатор включает в себя основной эталон, дифференциальный эталон, решающее правило и механизм обучения.
Основной
эталон содержит для каждог о кластера вектор частот р; появления /-го признака.
Все вероятности приведены к стандартному диапазону [0, 255].
Кроме того, в эталоне содержится
дополнительная информация, необходимая для нормировки результата.
Дифференциальный эталон содержит коэффициенты линейного классификатора, разделяющего соответствующую пару кластеров.

В признаковом классификаторе
допускается использование произвольного решающего правила.
Например, может быть применено правило аналогичное используемому в растровом классификаторе.
Для этого стандартный набор признаков (х_____.т„)е[0, 1] отображается в набор признаков (X ......[-1, 1].
В полученном пространстве признаков рассматриваются два вектора: вектор значений признаков для данного изображения и эталонный вектор, представляющий собой среднее значения векторов признаков для обучающей выборки.
Весом изображения
принимается косинус угла между указанными двумя векторами (между вектором входного изображения х и средним вектором классар).
х = {*,}, х, = 2х{ -1, Р = {Р,)> Р, =2Л-1, (4.2) При этом х = , где /V— количество признаков.
83
[стр. 57]

Структура классификатора Классификатор включает в себя основной и дифференциальный эталоны, решающее правило и механизм обучения.
Основной
этшюн содержит для каждого кластера вектор частот р, появления 1-го признака.
Вероятности приведены к стандартному диапазону [0,255].
Кроме того, в эталоне содержится
дополнигельная информация, необходимая для нормировки результата.
Дифференциальный эталон содержит коэффициенты линейного классификатора, разделяющего соответствующую пару кластеров.

Решающее правило, применяемое в признаковом классификаторе, аналогично используемому в растровом классификаторе.
Стандартный диапазон значений признаков [О, 1] отображается в отрезок [-1, 1].
В полученном пространстве признаков рассматриваются два вектора: вектор значений признаков для данного изображения и эталонный вектор, представляющий собой среднее значения векторов признаков для обучающей выборки.
Весом изображения
будет угол между указанными двумя векторами.
X = {х, }д, = 2х, -1, р = {рХр,=2р(-\, (3.3) При этом \\х\\ = 4Й, где N — количество признаков, И = ^(2р,-\У, (*,?)= Х(2р,-0-Х(2р,-) (3-4) х“1 Полученный вес нормирован и находится в диапазоне от [-1, 1].
Норма эталонного вектора вычисляется заранее.
Для удобства работы диапазон весов [-1, 1] отображается на [О, ^тах] (0 — лучший вес).
На самом деле для уменьшения влияния шумящих признаков применяется некоторая модификация этого правила, в которой вместо вероятностей р1 используются величины 57

[Back]