计算机工程与信息技术学报

通过分类器融合进行手写天城文数字识别

Prabhanjan S 和 Dinesh R

通过分类器融合进行手写天城文数字识别

手写天城文数字识别有许多应用，特别是在邮政自动化、文档处理等领域。由于其广泛的应用，许多研究人员正积极致力于开发有效且高效的手写字符/数字识别。天城文是印度次大陆广泛使用的文字；天城文也是印度次大陆许多其他文字的基础。在本文中，我们提出了一种混合方法来识别手写天城文数字。所提出的方法使用堆叠方法融合来自四个不同分类器的置信度分数，即朴素贝叶斯 (NB)、基于实例的学习器 (IBK)、随机森林 (RF)、顺序最小优化 (SMO)。此外，所提出的方法从手写数字中提取局部和全局特征。在这项工作中，我们使用傅里叶描述符作为全局形状特征。而来自数字不同区域的像素密度统计数据则用于局部描述数字。所提出的方法已在大量手写数字数据库上进行了测试，实验结果表明，所提出的方法的准确率达到 99.685%，这是迄今为止报告的针对所考虑数据集的最佳准确率。因此，所提出的方法优于当代算法。