Options
1999
Diploma Thesis
Titel
Lernen von Regelmengen zur Fuzzy-Mustererkennung durch mehrphasige Clusteranalyse
Abstract
Die vorliegende Arbeit präsentiert einen neuen Ansatz zur automatischen Generierung einer Fuzzy-Regelbasis zur Musterklassifizierung. Die vorgestellte Klassifizierungsmethode basiert auf einer Fuzzy-Regelbasis, wobei sich der Entscheidungsprozeß auf Fuzzy-Kriterien stützt. Die automatische Methode zur Generierung von Regelbasen, die hier vorgestellt wird, wird für verschiedene Schrifterkennungsprobleme implementiert, insbesondere im Bereich der Handschrifterkennung. Allerdings ermöglicht die Allgemeinheit dieser Methode ihren Einsatz für viele andere Mustererkennungsprobleme. In der vorliegenden Arbeit wird ein neuartiger Algorithmus zur automatischen Regelbasengenerierung vorgestellt. Dabei werden bereits etablierte Algorithmen zur Fuzzy-Clusteranalyse um die Eigenschaft der sogenannten Mehrphasigkeit erweitert. Dies ermöglicht es, einen neuartigen Ansatz bei der Musterklassifizierung zu verfolgen, nämlich das individuelle Anlernen von Eigenschaften einzelner Muster, im Gegensatz zum traditionellen separatistischen Lernen. Dadurch soll den bisher relativ unbefriedigenden Ansätzen zur automatischen Regelbasengenerierung bei hochdimensionalen Problemen ein neuer Anstoß gegeben werden. Der Algorithmus wurde erfolgreich in verschiedenen Anwendungen zur Handschrifterkennung getestet. Diese umfassen das Zeichenerkennungssystem READ, eine Anwendung zum Erkennen von Postleitzahlen und ein System zum Erkennen von gebunden geschriebenen Wörtern. Ein Wörterbuch wurde dazu zu Hilfe genommen, um die Erkennungsrate zu steigern. Um den Nutzen des Wörterbuches noch zu erhöhen wurde das sogenannte Konzept der Spitz-Kodierung eingeführt.
;
This report presents a new approach for the automatic generation of fuzzy rule bases for pattern recognition. The presented classification method is based on a fuzzy rule base and the evaluation of fuzzy criteria. The presented automatic method to generate a fuzzy rule base is implemented for various handwriting recognition tasks. The generality of the approach though guarantees the applicability of the method for many other pattern recognition tasks. This reports presents a new algorithm to automate the rule base generation process. Already well established fuzzy clustering algorithms are enhanced by using a multi-phased approach. By this we are able to learn the individual proper- ties of various patterns in contrast to the classical approach of separating patterns from each other. This promises to improve rule base generation algorithms in high dimensional problems. The algorithm was successfully tested in various handwriting recognition applications. These include the character recognition system READ, an application to recognize zip codes and a cursive script recognition system. A dictionary is used to improve the recognition rate. The concept of Spitz-Codes was introduced to further improve the utility of the dictionary.
ThesisNote
Zugl.: Bonn, Univ., Dipl.-Arb., 1999