30、阿拉伯手写识别与时间序列预测的分类器选择及预测组合策略

阿拉伯手写识别与时间序列预测的分类器选择及预测组合策略

1. 阿拉伯手写识别中的分类器选择

在阿拉伯手写识别领域，分类器的选择和组合是提高识别性能的关键。对于分类器子集的选择，“指数”度量在性能方面能提供最佳的多分类器系统（MCS）子集。在组合方法上，行为知识空间（BKS）方法非常可靠，在IFN/INIT数据集上的表现优于加权投票和简单投票方法。

为了实现优化目标，提出了渐进算法。该算法的步骤如下：
1. 不考虑单个分类器的准确性，测试所有分类器的组合，以生成最佳的多样化子集。
2. 初始时，选择基于准确性的最佳单个分类器组成子集。
3. 在每次迭代中，添加能使子集更加多样化的最佳分类器。

实验结果令人鼓舞，尤其是在采用第二种方法时，与之前在阿拉伯手写识别方面的工作相比有明显提升。不过，需要注意的是，一些分类错误是由于基线、变音符号检测不佳以及连字的存在导致的。

1.1 分类器选择和组合方法对比

方法	优点	缺点
“指数”度量	提供最佳MCS子集	暂无明显缺点记录
BKS组合方法	可靠，在IFN/INIT数据集上表现好	暂无明显缺点记录
加权投票	-