基于Bagging集成学习的字符识别方法  

Research on character recognition based on Bagging ensemble learning

作　　者：刘余霞[1] 吕虹[1,2] 胡涛[1] 孙小虎[1] 

机构地区：[1]安徽工程大学电气工程学院,安徽芜湖241000 [2]安徽建筑工业学院电子与信息工程学院,合肥230022

出　　处：《计算机工程与应用》2012年第33期194-196,211,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61071001);安徽省教育厅自然科学基金(No.KJ2008A010)

摘　　要：针对字符识别对象的多样性,提出了一种基于Bagging集成的字符识别模型,解决了识别模型对部分字符识别的偏好现象。采用Bagging采样策略形成不同的数据子集,在此基础上用决策树算法训练形成多个基分类器,用多数投票机制对基分类器预测结果集成输出。理论分析与仿真实验结果表明,所提模型相比其他分类方法具有更好的分类能力。Due to the diversity of character recognition,a character recognition model based on Bagging ensemble is presented,which solves recognition model＇s preferences for certain character.Different datasets are formed by Bagging,and then base-classifier is constructed.Ensemble learning model is built by majority vote.Theoretic analysis and simulation result shows the model owns better classification accuracy than other classification methods.

关 键 词：BAGGING 字符识别 集成学习 决策树 ADABOOST 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]