Key points are not available for this paper at this time.
제약 없는 손글씨 숫자를 인식하기 위해 독립적으로 개발된 네 개의 전문가 알고리즘이 제시된다. 모두 높은 인식률을 보인다. 이러한 인식 방법들을 보다 강력한 시스템에 통합하기 위한 다양한 실험적 접근법도 제시된다. 결과적으로 다중 전문가 시스템은 이러한 방법들의 합의가 개별적인 약점을 보완하는 동시에 개별적인 강점을 유지함을 증명한다. 완전히 제약 없는 손글씨 우편번호 숫자 분류에서 원하는 수준으로 치환 오류율을 낮추면서도 상당히 높은 인식률을 유지하는 것이 가능함을 보여준다. 신뢰도가 최우선일 경우, 인식률이 90% 이상을 유지하면서 치환 오류를 완전히 회피할 수 있다(신뢰도=100%). 결과는 문헌에서 발견된 가장 효과적인 숫자 인식 시스템들과 비교된다.
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 등(Wed,)이 이 질문을 연구했다.
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: