Key points are not available for this paper at this time.
Vier unabhängig entwickelte Expertensystem-Algorithmen zur Erkennung von uneingeschränkt handgeschriebenen Ziffern werden vorgestellt. Alle zeichnen sich durch hohe Erkennungsraten aus. Es werden verschiedene experimentelle Ansätze präsentiert, diese Erkennungsmethoden in ein leistungsfähigeres System zu integrieren. Das resultierende Mehrfach-Experten-System zeigt, dass der Konsens dieser Methoden dazu neigt, individuelle Schwächen auszugleichen und dabei individuelle Stärken beizubehalten. Es wird gezeigt, dass es möglich ist, die Substitutionsrate auf ein gewünschtes Niveau zu senken und gleichzeitig eine relativ hohe Erkennungsrate bei der Klassifizierung völlig uneingeschränkt handgeschriebener Postleitzahl-Ziffern beizubehalten. Wenn Zuverlässigkeit von äußerster Wichtigkeit ist, können Substitutionen vollständig vermieden werden (Zuverlässigkeit=100%), während die Erkennungsrate über 90 % bleibt. Die Ergebnisse werden mit denen einiger der effektivsten in der Fachliteratur beschriebenen Ziffernerkennungssysteme verglichen.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ching Y. Suen
C. Nadal
R. Legault
Proceedings of the IEEE
Concordia University
Building similarity graph...
Analyzing shared references across papers
Loading...
Suen et al. (Wed,) untersuchten diese Fragestellung.
www.synapsesocial.com/papers/6a08c9fad9bfbc371b01edda — DOI: https://doi.org/10.1109/5.156477
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: