针对单分类器对数字字符的不均衡识别问题,提出了基于Dempster and Shagfer(DS)融合的集成分类器模型,选取BP神经网络、Hopfield、模板匹配作为三个被集成的分类器,利用各分类器的识别结果来构造DS的概率分配函数,再通过DS融合输出最终...针对单分类器对数字字符的不均衡识别问题,提出了基于Dempster and Shagfer(DS)融合的集成分类器模型,选取BP神经网络、Hopfield、模板匹配作为三个被集成的分类器,利用各分类器的识别结果来构造DS的概率分配函数,再通过DS融合输出最终结果,最后设计MATLAB程序进行实验,测试结果表明系统的整体识别率相对于单分类器和简单多数表决融合的多分类器,有更进一步的提高。展开更多
文摘针对单分类器对数字字符的不均衡识别问题,提出了基于Dempster and Shagfer(DS)融合的集成分类器模型,选取BP神经网络、Hopfield、模板匹配作为三个被集成的分类器,利用各分类器的识别结果来构造DS的概率分配函数,再通过DS融合输出最终结果,最后设计MATLAB程序进行实验,测试结果表明系统的整体识别率相对于单分类器和简单多数表决融合的多分类器,有更进一步的提高。