基于近鄰的多分類器選擇集成分類方法及在號牌識別上應用的研究.pdf

1、基于多分類器方式的集成分類方法可提高模式分類的準確性，海內(nèi)外學者也獲得了不少的研究成果。但在如何構建自適應性強的多分類器選擇方式，以及如何更好的利用多分類器的局部分類性能優(yōu)勢以提高集成分類的效果，仍然存在著不足之處。
　　為了完善這些不足之處，在充分研究當前各多分類器集成分類方法研究現(xiàn)狀的基礎上，我們提出一種基于近鄰的多分類器選擇集成分類方法，并應用在號牌識別上。該方法針對分類器對不同的樣本分類性能的差異，利用近鄰度度量，對于不同

2、的待測樣本，動態(tài)的進行多分類器的選擇，并根據(jù)動態(tài)選擇的多分類器進行集成分類，因此該方法能充分利用多分類器在不同樣本上的局部分類優(yōu)勢，依據(jù)不同測試樣本充分進行動態(tài)自調(diào)整的分類。實驗效果證明此方法可以改善分類結果，且方法的穩(wěn)定性好。
　　根據(jù)上述研究內(nèi)容，本文的主體工作如下：
　　1.詳細的陳述了多分類器集成分類的研究背景、目的及意義和國內(nèi)外研究進展，多分類器集成分類的概念，基于SVM（Support Vector Machin

3、e)的分類器，K近鄰及其在集成分類中應用，以及經(jīng)典的多分類器集成分類方法。
　　2.提出了基于近鄰的多分類器選擇集成分類方法。該方法對于不同的待測樣本，動態(tài)的進行多分類器的選擇，并依據(jù)動態(tài)選擇后的多分類器進行集成分類，在madelon,svmguide1,w6a,ijcnn1開源數(shù)據(jù)集上實驗證明了本方法的有效性。
　　3.基于以上提出的方法，實現(xiàn)了基于近鄰的多分類器選擇集成的號牌字符識別算法，并基于此算法設計實現(xiàn)了車牌識別系