最近邻分类器置信度估计的理论分析

分类器的置信度是模式识别中的一个重要参量 ,它在决定拒识门限和多分类器集成中起着关键作用 .最近邻分类器是最经典、最常见的非参数统计模式识别方法 .但是 ,如何确定它的分类结果的置信度 ?最近距离与置信度有何联系 ?在以往的文献中没有对这个问题做明确理论分析 .对几个常见经验公式进行了理论分析 ,并论证了其中一种置信度度量的数学期望符合本文提出的广义置信度的要求 ;同时 ,在手写字符识别的实际应用中 ,这种置信度度量在用于拒识判决时 ,确实表现出了比其他度量更好的性能     

字符识别的置信度分析

为了能估计字符识别结果的准确性定义了分类器的置信度,提出了广义置信度的概念。证明了基于置信度（或广义置信度）的最优拒识区域选择定理。给出了置信度与识别率的关系。提出了几种常用分类器的广义置信度的估计方法和一种根据广义置信度求出置信度的算法。在理论分析的基础上指出了置信度分析的三个应用：拒识区域的选择、识别率的估计和多分类器的集成。手写数字识别和脱机手写汉字识别的实际应用验证了所提的理论和方法。