의존관계를 기반으로 다수 인식기를 결합하는 방법과 그 응용 = Combining Multiple Classifiers based on Dependency and Its Application
저자
발행기관
학술지명
권호사항
발행연도
1995
작성언어
Korean
KDC
004
자료형태
학술저널
발행기관 URL
수록면
1590-1599(10쪽)
제공처
다수 인식기를 결합하는 여러가지 방법들이 제안되었으나, 대부분이 다수 인식기를 결합하는데 있이서 인식기 간의 의존관계를 고려하지 않았다. 이것은 의존관계가 매우 높은 인식기가 추가될 때 다수 인식기를 결합하는 방법의 인식 성능을 저하시키거나 결합된 결과가 판향되도록 할 수도 있다. 본 논문에서는 이러한 단점을 극복하고 안정적인 인식 성능을 얻기 위하여 의존관계를 기반으로 다수 인식기를 결합하는 방법을 제안한다. 다수 인식기의 인식 결과로부터 의존관계를 결정하기 위하여 1차 의존관계로 근사하였으며, 두 가지 방법을 사용하였다. 하나는 상호 정보의 개념을 사용하는 것이고, 다른 하나는 통계적으로 측정된 결합도의 개념을 사용하는 것이다. 최적으로 결정된 1차 의존관계는 베이지안 공식을 사용하여 다수 인식기의 인식 결과를 결합하는데 사용된다. 무제약 온라인 숫자, 영문 알파벳 인식을 위한 문자 인식기를 사용하였다. 실험한 결과, 다수 문자 인식기를 결합한 인식 성능이 대체로 개별 문자 인식기의 성능보다 우수하였으며, 특히 의존관계가 매우 높은 문자 인식기가 추가되었을 때 의존관계를 기반으로 결합하는 방법이 다른 방법보다 더 우수한 성능을 보여 주었다.
더보기Although many methods for combining multiple classifiers have been proposed, most of them did not focus on dependency among classifiers in combining decisions from multiple classifiers. That makes classification performance of combining multiple classifiers be degraded and brased, in case of adding highly dependent classifiers To overcome such weaknesses and obtain robust classification performance, the present study used the dependency for better combining multiple classifiers. In order to identify the dependency by observing the outputs of multiple classifiers, two methods are used on the basis of first-order dependency One is to use the concept of mutual information, and the other is to use the concept of statistically measured association. The optimally Identified first-order dependencies are used to combine decisions from multiple classifiers, using Bayesian formalism A number of classifiers for on-line recognition of totally uncontrained handwritten numerals and English alphabet are used Our experimental results show that the classification performance of combining multiple classifiers is superior to that of individual ones, and in particular. considering the dependency outperforms others in recognition accuracy, when the highly dependent classifiers are added.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)