基于Bagging的手写体数字识别系统  

A Handwritten Digit Recognition System Based on Bagging

作　　者：李晓梅[1] 马树元[1] 吴平东[1] 陈之龙[1] 柳回春[1] 

机构地区：[1]北京理工大学机械工程与自动化学院,北京100081

出　　处：《计算机工程与科学》2004年第2期36-39,共4页Computer Engineering & Science

摘　　要：Bagging是一种用来提高学习算法准确度的方法,通过构造一系列预测函数并将其结果按投票规则进行合成,就可以将一个弱学习算法提升为强学习算法。本文针对UK测试量表中的手写体数字,设计并实现了一个以神经网络为弱分类器的、基于Bagging的手写体数字识别系统。与单个神经网络分类器相比,Bagging后的系统显示了更加优良的性能。Bagging is one of the methods for improving the predictive power of classifier learning systems. It forms a set of classifiers that are combined by voting to boost a weak learner to a strong one. This paper presents a handwritten digit recognition system which is based on Bagging. The RBF neural network is selected as the weak learner. Experiments show that the system based on Bagging gets better performance than a single neural network.

关 键 词：BAGGING 手写体数字 数字识别 神经网络 灰度 

分 类 号：TP391.43[自动化与计算机技术—计算机应用技术] P183[自动化与计算机技术—计算机科学与技术]