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(Kuk Hwan Seo) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
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.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
