基于Adaboost的手写体数字识别

被引:6
作者
赵万鹏
古乐野
机构
[1] 中国科学院成都计算机应用研究所
[2] 中国科学院成都计算机应用研究所 四川成都
[3] 四川成都
关键词
Adaboost; 手写体数字识别; 弱分类器;
D O I
暂无
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
提出了一种新的基于集成学习算法Adaboost的手写体数字识别系统。Adaboost方法可以在仅比随机预测略好的弱分类器基础上构建高精度的强分类器。实验证明,基于Adaboost的手写体数字识别系统具有较高的识别率和泛化能力,已经应用在OCR识别软件中。
引用
收藏
页码:2413 / 2414+2417 +2417
页数:3
相关论文
共 2 条
[1]   集成学习:Boosting算法综述 [J].
于玲 ;
吴铁军 .
模式识别与人工智能, 2004, 17 (01) :52-59
[2]   一种新的Adaboost快速训练算法 [J].
王海川 ;
张立明 .
复旦学报(自然科学版), 2004, (01) :27-33