A Hybrid Swarm and Gravitation-based feature selection algorithm for handwritten Indic script classification problem

doi:10.1007/s40747-020-00237-1

2021-01-03

DOI：10.1007/s40747-020-00237-1

原文链接

原文求助

摘要

En 中文

在任何多脚本环境中，在将文档图像馈送到其各自的光学字符识别 (OCR) 引擎之前，手写脚本分类是不可避免的先决条件。多年来，研究人员提出了各种特征向量，这些特征向量大多具有较大的维度，从而增加了整个分类模型的计算复杂度，从而解决了这个复杂的模式分类问题。特征选择 (FS) 可以用作中间步骤，通过将特征向量限制为仅基本和相关特征来减小特征向量的大小。在目前的工作中，我们通过引入一种新的FS算法来解决这个问题，该算法称为混合群和基于引力的FS (HSGFS)。该算法已应用于最近在文献中引入的三个特征向量-距离霍夫变换 (DHT)，方向梯度直方图 (HOG) 和改进的log-gabor (MLG) 滤波器变换。三个最先进的分类器，即多层感知器 (MLP)，K最近邻 (KNN) 和支持向量机 (SVM)，用于评估由建议的FS模型生成的特征的最佳子集。准备在块，文本行和单词级别的手写数据集，包括官方认可的12个印度脚本，用于实验。通过在所有三个数据集上仅利用约75-5% 的原始特征向量，在分类准确性方面实现了2-80% 的平均改进。与一些常用的FS模型相比，该方法还显示出更好的性能。用于实现HSGFS的代码可以在以下Github链接中找到: https://github.com /ritam-guha/HSGFS。

Keyword:

Feature selection

Hybrid Swarm and Gravitation-based Feature Selection

Particle swarm optimization

Gravitational search algorithm

Handwritten script classification

Indic script