导读:本文包含了多级分类器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,神经网络,数字,手写体,汉字,向量,度量。
多级分类器论文文献综述
李莎莎[1]（2015）在《多级分类器构建及在不平衡数据的应用研究》一文中研究指出分类技术是数据挖掘领域一项重要的任务。如何根据训练集建立分类器,并使用该分类器准确预测待测试实例的类别是衡量分类器好坏的标准。单级分类器通常只对训练集学习一次,在某些情况下测试时可能存在分类规则少,规则质量不高,从而引起分类准确率低的问题。此外,在现实世界里,存在大量不平衡数据。单级分类器在数据不平衡的情况下,更不能有效的提取足够少数类的分类信息,导致少数类实例极易被错误分类。多级分类器对训练集学习多次,可以提高分类规则数量,有效提高分类精度。同时,多级分类器是处理不平衡数据分类的有效方式。本文围绕多级分类器分类算法进行研究,提出叁种新的多级分类算法模型。从单个分类器算法、不同训练方式及融合多分类器方法叁个方面进行改进。改进的方法不仅可以提高分类准确率,而且可以有效的针对不平衡数据特点,提高不平衡数据分类精度。本文的主要研究工作如下:首先,提出基于实例多覆盖多级分类算法。实例覆盖算法是对决策树算法的改进,基于实例多覆盖多级分类算法是以实例覆盖算法作为基分类器,对训练集进行多次训练,生成大量分类规则,以达到使训练集中每个实例被分类规则多次覆盖,提高了分类准确率。其次,提出基于规则提取多级分类算法。不同于传统基于规则分类算法,基于规则提取多级分类算法一次产生较大规模候选集,一次生成大量规则。一次规则生成后,训练集中的实例至少被规则覆盖两次才被删除,并重复规则提取过程。最后,针对不平衡数据设计多级分类器。考虑不平衡数据中少数类实例难以提取规则且误分概率大等特点,设计不平衡数据的多级分类方法。生成多个训练集,对少数类实例反复训练,并使用证据理论方法将多个分类结果融合。通过F-measure、Gmean和AUC等度量,用实验验证该算法对不平衡数据的有效性。(本文来源于《闽南师范大学》期刊2015-06-01）
俞晶晶[2]（2011）在《基于多级分类器的人脸检测系统研究》一文中研究指出人脸识别是模式识别研究中的重要研究课题,具有很高的学术价值和应用潜力,它的主要研究内容包括照片或视频图像的识别还有图像的分析合成。目前常见的人脸识别基本算法可分为几类：基于几何特征的人脸识别、基于子空间分析的人脸识别、基于模板匹配的人脸识别、基于隐形马尔可夫模型的人脸识别、基于神经网络的人脸识别和基于3D的人脸识别等。现今基于Adaboost技术的人脸检测技术已经十分成熟。在机器学习中,直接建立一个高性能的分类器是很困难的,但是如果能找到一系列性能相对较差的分类器,并把它们的正确的共同特征集合起来的话,就能得到很好的分类器。该方法首先将人脸用几何特征矢量表示。然后,设计分类器对人脸进行识别。最后设计一系列弱分类器级联成强分类器。本文对多级人脸检测识别系统的几个关键技术,人脸检测、特征提取、人脸识别、数据存储、多级分类器训练：以积分图矩形特征为特征向量,构建一个粗筛选分类器,利用此分类器对检测对象粗筛选,从而使大量可能造成干扰的背景部分被滤掉,达到加快处理速度、避免对非人脸部分的样本采集的目的,进行了深入研究,并提出了一种快速的基于人脸图像特征的检测方法。本文首先介绍了人脸检测的背景知识和相关技术,然后,对视觉检测系统的软件构成进行分析,最后,提出了一种基于Adaboost人脸检测方法的检测系统分类器。该检测系统主要由图像预处理模块、图像识别分类器、存储模块组成。实验结果表明,本文所提出的系统方案有效可行,能够快速有效地识别人脸。(本文来源于《北京邮电大学》期刊2011-01-26）
魏浩,宫宁生[3]（2009）在《基于多级分类器和神经网络集成的手写体汉字识别》一文中研究指出为了提高系统的泛化能力,在分析了当前汉字识别最新发展技术的基础上,提出了一种叁级识别策略的汉字识别系统模型。第一级,使用传统的外围特征法将待选字进行粗分;第二级,使用笔划密度特征法进行细分;第叁级,使用一种基于球领域模型的神经网络集成算法对结果进行最后的确认。模拟算法证明,它可以更进一步地提高系统的泛化能力。(本文来源于《计算机工程与设计》期刊2009年09期）
梁日煦,潘保昌,郑胜林,温川雪[4]（2009）在《一种手写数字的多级分类器设计》一文中研究指出对手写数字识别技术进行了研究和探讨,提出一种新的多级分类器手写数字识别方法。该识别方法以图像预处理和字符特征提取为基础,采用BP神经网络分类器进行第一级识别、结构特征分类器进行有选择的第二级识别,并提出一种全新的端点特征提取法,大大地简化结构特征分类器的设计。实验结果表明,多级分类器较单一的神经网络分类器的识别率有了明显的提高。(本文来源于《现代计算机(专业版)》期刊2009年02期）
胡琼,汪荣贵,胡韦伟,孙见青[5]（2007）在《基于多级分类器的人脸检测算法》一文中研究指出提出了一种使用多级分类器级联结构的快速人脸检测方法。该方法首先利用积分图快速计算出检测所需简单特征;然后使用Adaboost算法从一个较大的特征集中选出少量关键的特征来构造出弱分类器,通过多个弱分类器组合成一个强分类器;最后通过构造一个多层级联分类器快速去除图像中的大部分非人脸区域,而在可能的目标区花费更多的计算。试验结果表明,该方法具有良好的性能,与其他检测算法相比大大提高了检测速度。(本文来源于《中国仪器仪表学会第九届青年学术会议论文集》期刊2007-10-01）
赵锋,薛惠锋,王伟,吴慧欣[6]（2006）在《采用多级分类器的手写数字识别技术研究》一文中研究指出在分析目前手写数字识别策略基础上,提出了采用多级分类器的手写数字识别技术,并给出了多级分类器识别系统体系结构。首先对手写数字样本进行预处理,然后针对不同的子分类器,提取不同的分类特征。系统中上一级的拒识样本作为下一级的输入样本,因此系统识别率逐级增加。最后以面向对象语言VisualC++和MatLab为工具,开发了多级分类器实验原形系统,结果表明,该识别技术不仅操作简单,而且具有较好的识别性能。(本文来源于《微电子学与计算机》期刊2006年12期）
陈家瑞[7]（2006）在《大规模数据多级分类器设计研究》一文中研究指出在大规模数据背景下,由于样本特征空间维数高,数量大而且涉及的类别多,分类边界复杂,对模式识别系统的分类器设计提出了更高的要求。我们不仅要引入不同的分析与计算方法,还要考虑用不同的分类器集成,发挥各个分类器的优势,并且综合利用各分类器的输出类别信息。本文主要介绍学习矢量量化算法和支持向量机技术,研究和探讨大规模模式识别分类器的集成设计问题。论文主要完成如下的研究工作:(1)分析目前国内外设计分类器的相关技术,对提高分类器的泛化能力进行了探讨。(2)基于学习矢量量化算法LVQ在模式识别领域应用的广泛性,文中对LVQ算法进行了分析,引入相似集合的概念对LVQ算法进行了改进,提出了SLVQ算法。并将SLVQ与模糊LVQ算法结合起来,在一定程度上缩短了训练时间并提高了识别率,用于解决大规模模式识别问题取得了较好的结果。(3)在分析支持向量机的原理以及在多类分类器中应用的基础上,构造了基于二叉决策树的分类器来决策大规模数据背景下的模式识别问题,并对实验结果进行客观的分析与评价。(4)大规模模式识别问题用单一的分类器很难得到理想的结果,本文进一步用改进后的矢量量化算法和支持向量机,采用级联的类递减分类器设计原则,并融合各级分类器输出类别信息,设计了一个多级分类器,实验结果表明这种集成对于解决大规模模式识别问题能取得较好的效果。(本文来源于《福州大学》期刊2006-01-01）
吴丽芸,王文伟,张平,陈俊[8]（2005）在《手写混合字符集识别的多特征多级分类器设计》一文中研究指出针对常用的银行汉字和阿拉伯数字混合字符集的识别,提出了依据不同的分类要求,分别选取不同的分类特征,并采用先聚类再用多层感知器(MLP)神经网络分类的多级分类器进行识别的设计方法。实验结果表明,该方法用于手写体混合字符集的识别是行之有效的。(本文来源于《计算机应用》期刊2005年12期）
乔进,潘保昌,赵学军,肖彤[9]（1999）在《基于多级分类器的自由手写数字在线识别》一文中研究指出设计了一种用于手写字符在线识别的多级分类器模型。在该模型中，通过对四个独立的分类算法进行集成，将脱机方法与联机方法，神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统．理论分析和实验结果表明，该集成系统比单一系统具有明显的优越性。(本文来源于《重庆大学学报(自然科学版)》期刊1999年03期）
叶芗芸,戚飞虎,朱国霞[10]（1998）在《一种多级分类器集成的字符识别方法》一文中研究指出本文介绍了多种分类器的集成技术该技术把以往试图寻找一种性能优良的分类器的问题转化成设计多个性能较优的分类器，且将以往高维特征空间的判分问题转化为针对不同低维空间进行划分的问题本文结合景物图像中文字目标的识别问题提出多级混合集成方案（Hier-archicalHybridIntegrateMethod），为实用系统的高识别率奠定了基础(本文来源于《电子学报》期刊1998年11期）
多级分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸识别是模式识别研究中的重要研究课题,具有很高的学术价值和应用潜力,它的主要研究内容包括照片或视频图像的识别还有图像的分析合成。目前常见的人脸识别基本算法可分为几类：基于几何特征的人脸识别、基于子空间分析的人脸识别、基于模板匹配的人脸识别、基于隐形马尔可夫模型的人脸识别、基于神经网络的人脸识别和基于3D的人脸识别等。现今基于Adaboost技术的人脸检测技术已经十分成熟。在机器学习中,直接建立一个高性能的分类器是很困难的,但是如果能找到一系列性能相对较差的分类器,并把它们的正确的共同特征集合起来的话,就能得到很好的分类器。该方法首先将人脸用几何特征矢量表示。然后,设计分类器对人脸进行识别。最后设计一系列弱分类器级联成强分类器。本文对多级人脸检测识别系统的几个关键技术,人脸检测、特征提取、人脸识别、数据存储、多级分类器训练：以积分图矩形特征为特征向量,构建一个粗筛选分类器,利用此分类器对检测对象粗筛选,从而使大量可能造成干扰的背景部分被滤掉,达到加快处理速度、避免对非人脸部分的样本采集的目的,进行了深入研究,并提出了一种快速的基于人脸图像特征的检测方法。本文首先介绍了人脸检测的背景知识和相关技术,然后,对视觉检测系统的软件构成进行分析,最后,提出了一种基于Adaboost人脸检测方法的检测系统分类器。该检测系统主要由图像预处理模块、图像识别分类器、存储模块组成。实验结果表明,本文所提出的系统方案有效可行,能够快速有效地识别人脸。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多级分类器论文参考文献
[1].李莎莎.多级分类器构建及在不平衡数据的应用研究[D].闽南师范大学.2015
[2].俞晶晶.基于多级分类器的人脸检测系统研究[D].北京邮电大学.2011
[3].魏浩,宫宁生.基于多级分类器和神经网络集成的手写体汉字识别[J].计算机工程与设计.2009
[4].梁日煦,潘保昌,郑胜林,温川雪.一种手写数字的多级分类器设计[J].现代计算机(专业版).2009
[5].胡琼,汪荣贵,胡韦伟,孙见青.基于多级分类器的人脸检测算法[C].中国仪器仪表学会第九届青年学术会议论文集.2007
[6].赵锋,薛惠锋,王伟,吴慧欣.采用多级分类器的手写数字识别技术研究[J].微电子学与计算机.2006
[7].陈家瑞.大规模数据多级分类器设计研究[D].福州大学.2006
[8].吴丽芸,王文伟,张平,陈俊.手写混合字符集识别的多特征多级分类器设计[J].计算机应用.2005
[9].乔进,潘保昌,赵学军,肖彤.基于多级分类器的自由手写数字在线识别[J].重庆大学学报(自然科学版).1999
[10].叶芗芸,戚飞虎,朱国霞.一种多级分类器集成的字符识别方法[J].电子学报.1998
论文知识图
