-
公开(公告)号：CN101295361A
公开(公告)日：2008-10-29
申请号：CN200710098690.9
申请日：2007-04-25
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明涉及模式识别领域，公开一种基于拒绝域的多生物特征认证融合方法，该方法和传统的多生物认证融合方法主要区别在于：传统的融合方法融合所有单个生物认证初始分类器分类结果，本发明将多生物特征匹配初始分类器生成多个组合分类器，训练每个组合分类器或初始分类器，设置每个组合分类器或初始分类器拒绝的匹配阈值，用于生成带拒绝域的分类器；把带拒绝域的分类器的分类结果用投票法进行融合。融合时，仅仅融合那些没有被带拒绝域分类器拒绝的结果。本发明的优势在于系统可以过滤掉分类器的错误分类结果给整个系统带来的噪音，从而大大提高了生物认证的正确率，为多生物认证的实用化提供了一种很好的融合算法。
-
公开(公告)号：CN101059796A
公开(公告)日：2007-10-24
申请号：CN200610011747.2
申请日：2006-04-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及自然语言处理及模式识别领域，公开基于概率主题词的两级组合文本分类方法，一级分类：基于朴素贝叶斯分类方法，利用概率主题词特征和拒绝条件判断对测试文本分类；二级分类：再基于传统特征提取方法提取出特征词对被第一级拒绝分类的测试文本进行分类。本发明分级组合方法对文本进行分类，融和不同分类器的特点能够非常快的在一级分类中对很多文本进行正确分类，大大提高文本分类系统效率，为文本分类系统实用化提供很好的处理方式；考虑文本特点提出概率主题词，在适当的拒绝条件下，概率主题词以很高的正确率完成大量文本分类任务。实验证明本发明两级组合与传统单一分类相比，能够大大减少时间消耗并能提高系统分类正确率。
-
公开(公告)号：CN100533441C
公开(公告)日：2009-08-26
申请号：CN200610011747.2
申请日：2006-04-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及自然语言处理及模式识别领域，公开基于概率主题词的两级组合文本分类方法，一级分类：基于朴素贝叶斯分类方法，利用概率主题词特征和拒绝条件判断对测试文本分类；二级分类：再基于信息增益特征提取方法提取出特征词对被第一级拒绝分类的测试文本进行分类。本发明分级组合方法对文本进行分类，融和不同分类器的特点能够非常快的在一级分类中对很多文本进行正确分类，大大提高文本分类系统效率，为文本分类系统实用化提供很好的处理方式；考虑文本特点提出概率主题词，在适当的拒绝条件下，概率主题词以很高的正确率完成大量文本分类任务。实验证明本发明两级组合与传统单一分类相比，能够大大减少时间消耗并能提高系统分类正确率。
-
-
Search Results
3
records
(took 0.022 seconds)
