오프라인 필기체 한글 자소 인식에서 다중 신경망 인식기 결합 방법들의 성능 비교

서국환; 최영우; 정규식

추천

검색

질문

자료유형: 학술저널

저자정보: 서국환 최영우 정규식

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회논문지(B) 정보과학회논문지(B) 제25권 제8호

발행연도: 1998.8

수록면: 1,183 - 1,194 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

다중 인식기 결합 방법은 개별 인식기의 인식 결과를 결합하여 최종 인식의 결과로 결정하는 방법으로서, 개별 인식기가 가지고 있는 성능 및 신뢰도의 단점을 극복할 수 있는 한가지 방법론으로 알려져 왔다. 본 논문에서는 오프라인 필기체 한글 인식에 있어 다중 인식기 결합에 관한 여러 방법들의 성능을 비교, 분석하였다. 실험은 다음과 같이 이루어진다. 1) 신경망을 이용하여 기울기 특징, 구조적 특징, 오목성 특징, 망 특징, 긴 스트로크 특징들을 학습하여 5개의 개별 인식기를 구성한다. 2) 구성된 개별 인식기들을 이용하여 PE 92 한글 데이타 베이스를 가지고 한글 자소(초성 자음, 종 모음, 횡 모음) 인식을 수행한다. 3) 선택된 5개의 인식기 중에서 3개 이상을 선택할 수 있는 모든 경우에 대하여 4가지 다중 결합 방법인 다득표, Borda Count, LCA(Linear Confidence Accumulation), 신경망 결합을 이용하여 다중 인식기 결합 실험을 수행한다. 이 결합 방법들에 대해 다음을 비교한다. 1) 결합을 하는 경우와 결합하지 않는 경우와 2) 다중 인식기 결합의 각 방법들을 비교한다. 실험 결과는 다음과 같다. 1) 초성 자음의 경우 결합하는 경우가 대부분 인식률이 높았지만, 모음의 경우 일부만이 인식률 증가를 보였다. 2) LCA 방법은 3종류의 지소 인식에 있어 4개의 결합 방법 중 가장 우수한 성능을 나타내었다. 모음 결합시 성능이 인식률이 저조한 이유는 각 클래스간의 오류 상관도가 높았기 때문으로 보인다. 반면에 LCA가 성능이 가장 우수한 이유는 각 인식기들의 출력이 측정치 레벨의 정보를 사용하기 때문으로 보인다. 본 논문에서는 필기체 한글 자소 인식에서 다중 인식기 결합 방식의 유효성을 실험을 통하여 검증하였다.

Multiple classifier combination, which makes a final decision by combining each result of individual classifier, is well known to be one of the methods to overcome the limitation of each classifier's performance and confidence. This paper presents performance comparison of several classifier combination methods in off-line handwritten Hangul alphabet recognition. We perform experiments as follows: 1) using neural network, we implement 5 kinds of individual classifiers with different feature set such as gradient, structural, UDLRH(Upper Down Left Right Hole), mesh and LSF(Large Stroke Feature), respectively, 2) using individual classifiers, we perform recognition experiments of Hangul alphabet (initial consonant, vertical vowel, and horizontal vowel) with PE 92 Hangul database, and 3) for all the possible cases of 3 or more classifiers selected among the above 5, we perform combination experiments with the four combination methods: Majority Voting, Borda Count, Linear Confidence Accumulation(LCA), and Neural Network Based Combination. Then, we perform performance comparison 1) between non-combination methods and combination methods, and 2) among multiple classifier combination methods. Experimental results show 1) combination methods outperform non-combination methods for the most cases of the initial consonant recognition, while they do so only for the some part of vowel recognitions, and 2) LCA method is the best among the four combination methods for 3 kinds of alphabet recognition. The poor performance for the most combination cases of vowel recognition seems due to the high error correlation between classes whereas the highest performance improvement in LCA method seems due to the use of measurement level information in the output of individual classifiers. In this paper, through experiments, we verified the effectiveness of the multiple classifier combination approach in off-line handwritten Hangul alphabet recognition.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

서국환

소속기관 한국정보과학회

주요연구분야 공학 > 컴퓨터학

논문수 2 이용수 100

최영우

소속기관 숙명여자대학교

주요연구분야 공학 > 컴퓨터학 복합학 > 뇌인지과학

논문수 28 이용수 3,343

정규식

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 컴퓨터학

논문수 93 이용수 4,430

이 논문과 함께 이용한 논문

오프라인 필기체 한글 인식에서 한글의 구조적인 정보에 기반한 동적 정보 복원

곽후근 , 정규식 한국정보과학회 학술발표논문집 1997 .10

순환신경망을 이용한 한글 필기체 인식

김병희 , 장병탁 정보과학회 컴퓨팅의 실제 논문지 2017 .05

효과적인 필기체 인식을 위한 인공지능 알고리즘

김승주 , 이재영 , 한종기 한국방송미디어공학회 학술발표대회 논문집 2016 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-017750133

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)