基于最小错误率判决学习的脱机手写数字识别

摘要

在脱机手写数字识别的统计方法中,分类器的设计是决定识别性能的关键环节.改进的二次判决函数分类器(MQDF)具有较好的分类能力.通常MQDF的参数估计采用了极大似然方法,该参数估计算法以训练样本集上的类内极大似然为准则,不能实现最小错误率准则.为此,基于最小错误率准则,提出了MQDF参数估计的判决学习算法.首先以极大似然估计的参数作为判决学习的初始值.然后根据广义概率下降算法,调整分类器的参数,在训练样本集上实现错误率最小化.最后通过在NIST样本集上的实验,验证了该算法的识别性能.