روشی جدید برای ترکیب طبقه بندها

رویکردهای متفاوتی برای ترکیب طبقه بندها وجود دارد که متداولترین آنها، رویکرد رأی گیری است. دراین رویکرد، فقط از انتخاب اول هر طبقه بند بدون در نظرگرفتن امتیاز آن استفاده می شود. در روشی جدیدی که ما ارایه می کنیم سابقه قبلی طبقه بندها، فاصله امتیازهای هر طبقه بند در سه انتخاب اول و نرخ شناسایی کلی هرطبقه بند در نظر گرفته می شود. با توجه به سه انتخاب اول هر طبقه بند، یک امتیاز برای هر کلاس محاسبه می شود. کلاسی که بیشترین امتیاز را کسب کند، کلاس الگوی مورد نظر خواهد بود. برای بررسی کارایی روش پیشنهادی، نتایج سه طبقه بند شبکه عصبی، برای بازشناسی ارقام دستنویس، ترکیب شده اند. این طبقه بند ها از ویژگیهای مکان مشخصه، گشتاورهای زرنیکی و ویژگیهای ناحیه ای استفاده می کنند. مجموعه داده، شامل 1435 نمونه تصویراسکن شده ارقام دستنویس با دقت 300 نقطه در اینچ است. ترکیب نتایج این سه طبقه بند با روش جدید، نرخ شناسایی % 93.3 را حاصل کرد که نسبت به روشهای دیگر ترکیب بیشتر است