论文部分内容阅读
为了提高脱机手写体数字识别的识别率和可靠性,并且考虑到传统的单一分类器对数字之间差异的敏感性不同,综合K一近邻算法、广义回归神经网络、支持向量机三种机器学习算法,提出了一种并行组织结构的组合分类器.并行组合分类器通过改进的投票机制来判定识别结果.以MNIST数据库为数据来源,在MATLAB平台上开展各种分类器的性能对比实验.组合后的识别率、拒识率、误识率、可靠性分别可达到97.48%、1.55%、0.97%、99.02%.实验结果表明,并行组合分类器在鲁棒性方面优于传统的单一分类器,在识别率、拒识率、算法