검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

High Speed and High Accuracy Rough Classification for Handwritten Characters Using Hierarchical Learning Vector Quantization 계층적 학습 벡터 양자화를 사용한 필기 문자의 고속 및 고정밀 대략적인 분류

Yuji WAIZUMI, Nei KATO, Kazuki SARUTA, Yoshiaki NEMOTO

  • 조회수

    0

  • 이것을 인용

요약 :

우리는 많은 카테고리를 포함하는 대규모 분류 문제에 대해 HLVQ(Hierarchical Learning Vector Quantization)를 사용한 대략적인 분류 시스템을 제안합니다. 제안된 시스템의 HLVQ는 특징 공간에서 범주를 계층적으로 나누고 트리를 만들고 계층 아래로 노드를 곱합니다. 특징 공간은 각 레이어의 몇 개의 코드북 벡터로 나뉩니다. 인접한 특징 공간은 경계에서 겹칩니다. HLVQ 분류는 계층적 아키텍처와 중첩 기술로 인해 빠르고 정확합니다. 일본 최대 규모의 손글씨 데이터베이스인 ETL9B(607,200개 카테고리, 총 3036개의 샘플 포함)를 이용한 분류 실험에서 HLVQ에 의한 분류 속도와 정확도가 Self-Organizing Feature Map에 비해 높은 것으로 나타났습니다( SOM) 및 학습 벡터 양자화 방법. HLVQ에 따라 카테고리별 다중 코드북 벡터를 사용하는 제안 시스템의 분류율이 평균 벡터를 사용하는 시스템보다 더 높은 속도와 정확도를 얻을 수 있음을 입증한다.

발행
IEICE TRANSACTIONS on Information Vol.E83-D No.6 pp.1282-1290
발행일
2000/06/25
공개일
온라인 ISSN
DOI
원고의 종류
PAPER
범주
생물사이버네틱스, 신경컴퓨팅

작성자

키워드