http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 서국환 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
필기체 한글 자소인식에서 다중 인식기 결합 방법들의 성능 비교
정규식,서국환 崇實大學校 生産技術硏究所 1997 論文集 Vol.27 No.1
다중 인식기 결합 방법은 개별 인식기의 인식 결과를 결합하여 최종 인식의 결과로 결정하는 방법으로서, 개별 인식기가 가지고 있는 성능 및 신뢰도의 단점을 극복할 수 있는 한가지 방법론으로 알려져 왔다. 본 논문에서는 필기체 한글자소인식에 있어서의 인식률을 향상시키기 위해 다중 인식기를 사용한 경우에 있어서의 여러 가지 다중 인식기 결합방법들의 성능을 비교한다. 본 논문에서는 인식기 결합방식의 세가지 분류인 추상화레벨 결합방식, 순위레벨 결합방식, 확신도레벨 결합상식에서 각가 대표할 할 수 있는 Vote, Borda, Count, LCA 방법들이 사용되었고 신경망에 의한 결합 방법이 추가로 사용되었다. 본 논문에서는 한글자소 인식실험을 위해서 PE92 한글 문자 DB에서 추출된 한글 초성 자음, 종모음을 사용하여 실험하였다. 결합에 사용되는 개별 인식기들은 성능이 우수하다고 알려진 기울기 특징, 오목성 특징, 망 특징, 구조적 특징, 긴 스트로크 특성에 대해 각각 신경망인식기로 구현되었다. 본 논문에서는 위의 5가지 개별인식기들중 3∼5개씩을 선택하여 여러 가지 결합방법에 의한 다중 인식기 결합 실험을 수행하였다. 그 실험 결과들을 비교 분석하였다.
-
오프라인 필기체 한글 자소 인식에서 다중 신경망 인식기 결합 방법들의 성능 비교
서국환(Kuk Hwan Seo),최영우(Yeong woo Choi),정규식(Kyu Sik Chung) 한국정보과학회 1998 정보과학회논문지(B) Vol.25 No.8
다중 인식기 결합 방법은 개별 인식기의 인식 결과를 결합하여 최종 인식의 결과로 결정하는 방법으로서, 개별 인식기가 가지고 있는 성능 및 신뢰도의 단점을 극복할 수 있는 한가지 방법론으로 알려져 왔다. 본 논문에서는 오프라인 필기체 한글 인식에 있어 다중 인식기 결합에 관한 여러 방법들의 성능을 비교, 분석하였다. 실험은 다음과 같이 이루어진다. 1) 신경망을 이용하여 기울기 특징, 구조적 특징, 오목성 특징, 망 특징, 긴 스트로크 특징들을 학습하여 5개의 개별 인식기를 구성한다. 2) 구성된 개별 인식기들을 이용하여 PE 92 한글 데이타 베이스를 가지고 한글 자소(초성 자음, 종 모음, 횡 모음) 인식을 수행한다. 3) 선택된 5개의 인식기 중에서 3개 이상을 선택할 수 있는 모든 경우에 대하여 4가지 다중 결합 방법인 다득표, Borda Count, LCA(Linear Confidence Accumulation), 신경망 결합을 이용하여 다중 인식기 결합 실험을 수행한다. 이 결합 방법들에 대해 다음을 비교한다. 1) 결합을 하는 경우와 결합하지 않는 경우와 2) 다중 인식기 결합의 각 방법들을 비교한다. 실험 결과는 다음과 같다. 1) 초성 자음의 경우 결합하는 경우가 대부분 인식률이 높았지만, 모음의 경우 일부만이 인식률 증가를 보였다. 2) LCA 방법은 3종류의 지소 인식에 있어 4개의 결합 방법 중 가장 우수한 성능을 나타내었다. 모음 결합시 성능이 인식률이 저조한 이유는 각 클래스간의 오류 상관도가 높았기 때문으로 보인다. 반면에 LCA가 성능이 가장 우수한 이유는 각 인식기들의 출력이 측정치 레벨의 정보를 사용하기 때문으로 보인다. 본 논문에서는 필기체 한글 자소 인식에서 다중 인식기 결합 방식의 유효성을 실험을 통하여 검증하였다. Multiple classifier combination, which makes a final decision by combining each result of individual classifier, is well known to be one of the methods to overcome the limitation of each classifier's performance and confidence. This paper presents performance comparison of several classifier combination methods in off-line handwritten Hangul alphabet recognition. We perform experiments as follows: 1) using neural network, we implement 5 kinds of individual classifiers with different feature set such as gradient, structural, UDLRH(Upper Down Left Right Hole), mesh and LSF(Large Stroke Feature), respectively, 2) using individual classifiers, we perform recognition experiments of Hangul alphabet (initial consonant, vertical vowel, and horizontal vowel) with PE 92 Hangul database, and 3) for all the possible cases of 3 or more classifiers selected among the above 5, we perform combination experiments with the four combination methods: Majority Voting, Borda Count, Linear Confidence Accumulation(LCA), and Neural Network Based Combination. Then, we perform performance comparison 1) between non-combination methods and combination methods, and 2) among multiple classifier combination methods. Experimental results show 1) combination methods outperform non-combination methods for the most cases of the initial consonant recognition, while they do so only for the some part of vowel recognitions, and 2) LCA method is the best among the four combination methods for 3 kinds of alphabet recognition. The poor performance for the most combination cases of vowel recognition seems due to the high error correlation between classes whereas the highest performance improvement in LCA method seems due to the use of measurement level information in the output of individual classifiers. In this paper, through experiments, we verified the effectiveness of the multiple classifier combination approach in off-line handwritten Hangul alphabet recognition.
-
다중 인식기 결합 기반의 필기체 한글 인식에서 유사도에 의한 인식기 선택 방법론
서국환(KukHwan Seo),정규식(Kyusik Chung) 한국정보과학회 1998 정보과학회논문지(B) Vol.25 No.12
기존의 다중 인식기 결합 방법에서는 상호, 독립적인 개별 인식기들을 전부 결합하는 방법에 초점을 맞추어 연구해 왔다. 본 논문에서는 다양한 조합의 인식기들이 주어진다고 할 때 결합 후 가장 우수한 인식성능을 보이는 인식기 부분조합을 선택하는 방법론을 제안한다. 구체적으로 말하며, 1) 개별 인식기들의 오류로부터 계산되는 유사도 척도를 제안한고, 2) 유사도 척도에 기반한 인식기 선택방법을 제안한다. 본 논문에서 제안하는 방법의 유효성을 검증하기 위하여 필기체 한글 자소 인식을 위한 다중 인식기 결합 실험을 수행하며, 그들의 인식성능 순위와 유사도 척도 순위를 비교한다. 높은 변별력을 지닌 54개의 특징(기울기, 구조적, 오목성, 망, 긴 스트로크)을 선택하여 개별인식기를 각각 구현한다. 5개 인식기들 중에서 3개 와 4개를 결합함에 있어서 다중 인식기 결합의 대표적인 방법인 다득표, Borda Count, LCA 방법을 적용한다. 실험 결과는 인식률과 유사도사이에는 역비례 관계가 있음을 보여준다. Most research on multiple classifier combination(MCC) focuses on the methodology as to how to combine all the given classifiers thai are independent. Given a variable set of classifiers, this paper presents a methodology to determine which subset of classifiers provides optimal combination results. Specifically, we propose 1) a similarity metric between classifiers which can be calculated from the errors generated by each classifier and 2) a classifier selection methodology based on similarity metric. To verify the effectiveness of the proposed methodology, we perform MCC experiments for handwritten Hangul alphabet recognition and compare the rankings of their recognition rate with those of similarity metric. A set of five features with the most discriminating power (gradient, structural, UDLRH, mesh and LSF) is selected and an individual classifier is implemented for each feature, respectively. Three widely used combination methods (Major Voting, Borda Count, LCA) are applied to combine 3 or 4 out of 5 individual classifiers. Experimental results indicate that the recognition rate is inversely proportional to similarity metric for all combinations.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
