特殊类别特征的多项式分类器在模式分类及其手写体数字识别中的应用

在模式分类中，多项式分类器（PC）是一个具有简化子空间特征的二项式多层神经网络，在输入中显示出超强的特性。本文提出了从特殊类别子空间提取特殊类别特征的多项式分类器（CFPC）。与其它普通的PC不一样，多项式分类器采用了单独的类别子空间。CFPC可以通过普通PC的组合以及投影距离的方式来检测。特殊类别特征对类别有较好的分割，特殊类别的合并和投影距离可进一步改善分离性。CFPC的连接权重是有效的，学习的分级意味着对训练样本正交误差的最小化。对于CFPC，我们通过手写体数字识别和NIST特殊数据库中的数字串识别实验来验证。数字识别也可在USPS和MNIST数据库中进行，其结果显示，CFPC的特性优于普通PC，它是一种与支持向量分类器不相上下的分类器。