版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著模式識別技術(shù)中遇到的實(shí)際問題的復(fù)雜化,單獨(dú)分類器的性能已經(jīng)難以滿足許多實(shí)際應(yīng)用的要求,分類器組合技術(shù)成為提高模式識別系統(tǒng)性能的一種新的重要手段。 分類器組合技術(shù)研究對于人機(jī)交互技術(shù)的發(fā)展具有重大意義?,F(xiàn)代人機(jī)交互技術(shù)已經(jīng)發(fā)展到多模態(tài)人機(jī)交互階段,其中一個重要的課題是多模態(tài)識別。而分類器組合是解決多模態(tài)識別問題的一項(xiàng)關(guān)鍵技術(shù)。本文結(jié)合人機(jī)交互中的多模態(tài)識別問題,對四種分類器組合問題進(jìn)行研究:(1)模式類別數(shù)量較多的分類器組合問
2、題(類別數(shù)大于15);(2)模式類別數(shù)量較少的分類器組合問題(類別數(shù)在3~15之間);(3)兩類分類器組合問題;(4)基于局部分類精度的分類器組合問題。 本文針對以上四類問題的特點(diǎn)提出了一些性能較高的分類器組合方法,主要研究成果如下: 1.針對模式類數(shù)量較多的分類器組合問題,提出了一類新的排序?qū)臃诸惼魅诤戏椒ā蛱栕儞Q法。這類方法將對基本分類器輸出的模式類別排序號進(jìn)行的變換與分類器的加權(quán)組合結(jié)合起來,從而在融合過程中能
3、夠增強(qiáng)小序號值對最終分類的影響。大量實(shí)驗(yàn)表明,序號變換法在分類正確率方面超過現(xiàn)有的排序?qū)臃诸惼魅诤戏椒?.1~1.0個百分點(diǎn)。 2.針對模式類數(shù)量較少的分類器組合問題,提出了一種新的度量層分類器融合方法:多決策模板法(MDT,Multiple Decision Templates)。其決策模板產(chǎn)生方法使得每個決策模板能夠抑制一種容易發(fā)生的分類錯誤,從而增加少量決策模板就能夠有效地提高分類正確率。在ELENA數(shù)據(jù)集與UCI數(shù)據(jù)集上
4、的實(shí)驗(yàn)結(jié)果表明:與投票法、樸素貝葉斯法、線性融合規(guī)則及模板匹配法取得的最高分類正確率相比,該方法將分類正確率提高了0.4~0.9個百分點(diǎn)。與k-近鄰規(guī)則相比,當(dāng)訓(xùn)練樣本較多時,二者的分類正確率相當(dāng),而MDT方法的計(jì)算量較小;當(dāng)訓(xùn)練樣本較少時,MDT方法能夠取得較高的分類正確率。 3.針對兩類分類器組合問題,提出了一種新的度量層分類器融合方法:基于類邊界的分類器融合方法(CBCF, Class Boundary based Cla
5、ssifier Fusion)。該方法利用所研究問題在Meta層特征空間上的特點(diǎn),直接從訓(xùn)練樣本中提取類邊界,然后基于邊界點(diǎn)定義局部線性融合規(guī)則。在Phoneme數(shù)據(jù)集與Ringnorm數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:與投票法、樸素貝葉斯法、模板匹配法及線性融合規(guī)則取得的最高分類正確率相比,CBCF方法將分類正確率提高了0.7~1.5個百分點(diǎn);與k-近鄰規(guī)則相比,二者的分類正確率很接近,而CBCF方法的計(jì)算量為k-近鄰規(guī)則計(jì)算量的1/50~1/
6、20。 4.針對基于局部分類精度的分類器組合問題,提出了一種根據(jù)局部分類精度估計(jì)分類置信度的方法,從而在解決該類問題時可以采用分類器融合方法代替?zhèn)鹘y(tǒng)的動態(tài)分類器選擇方法,提高分類正確率?;诰植糠诸惥鹊玫椒诸愔眯哦纫院?,動態(tài)分類器選擇等價于度量層分類器融合方法中的Max規(guī)則,從而采用性能更好的分類器融合方法能夠提高分類正確率。ELENA數(shù)據(jù)集、UCI數(shù)據(jù)集與Ringnorm數(shù)據(jù)集上的大量實(shí)驗(yàn)結(jié)果表明該方法將分類正確率提高了0.
7、2~13.6個百分點(diǎn)。 5.基于新的分類器組合方法設(shè)計(jì)了多模態(tài)身份識別系統(tǒng)與多模態(tài)身份認(rèn)證系統(tǒng)。身份識別屬于模式類數(shù)量較多的問題,所以在多模態(tài)身份識別系統(tǒng)中采用了序號變換法。身份認(rèn)證可以作為兩類問題處理,所以在多模態(tài)身份認(rèn)證系統(tǒng)中采用了CBCF方法。實(shí)驗(yàn)表明本文方法顯著提高了系統(tǒng)性能,使身份識別系統(tǒng)的正確識別率從94%(基本分類器正確識別率的最大值)提高到99.71%,身份認(rèn)證系統(tǒng)的半錯誤率(HTER,Half Total Er
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 視線跟蹤技術(shù)研究及其在人機(jī)交互字符輸入中的應(yīng)用.pdf
- 船舶仿真系統(tǒng)人機(jī)交互技術(shù)研究應(yīng)用.pdf
- 人機(jī)交互研究及其在電子政務(wù)系統(tǒng)中的應(yīng)用.pdf
- 人機(jī)交互技術(shù)在現(xiàn)代展示設(shè)計(jì)中的應(yīng)用
- 人機(jī)交互的研究及其在CAE軟件中的應(yīng)用.pdf
- 語音人機(jī)交互及其在智能調(diào)度中的應(yīng)用.pdf
- 自然人機(jī)交互關(guān)鍵技術(shù)研究及其應(yīng)用.pdf
- 人機(jī)交互中的手勢識別技術(shù)研究.pdf
- 基于視覺的手勢識別技術(shù)在人機(jī)交互系統(tǒng)中的應(yīng)用.pdf
- 情感計(jì)算及其在人機(jī)交互設(shè)計(jì)中的應(yīng)用
- 增強(qiáng)現(xiàn)實(shí)系統(tǒng)的人機(jī)交互技術(shù)研究與應(yīng)用.pdf
- 注視方向識別的研究及其在人機(jī)交互中的應(yīng)用.pdf
- 基于視覺的手勢識別及其在人機(jī)交互中的應(yīng)用.pdf
- 視控人機(jī)交互系統(tǒng)技術(shù)研究與實(shí)現(xiàn).pdf
- 情感虛擬人技術(shù)在人機(jī)交互中的應(yīng)用研究.pdf
- 視覺聽覺觸覺在人機(jī)交互中的應(yīng)用
- 兒童自然人機(jī)交互技術(shù)研究.pdf
- 基于視覺的人體跟蹤技術(shù)在人機(jī)交互中的應(yīng)用.pdf
- 水聲目標(biāo)分類識別的顯示及人機(jī)交互技術(shù)研究.pdf
- 移動傳感器網(wǎng)絡(luò)的人機(jī)交互技術(shù)研究.pdf
評論
0/150
提交評論