刘　聪　张新英

（中原工学院信息商务学院，河南　郑州　450007）



集成极限学习机在手写体数字识别中的应用

刘聪张新英

（中原工学院信息商务学院，河南郑州450007）

摘要：本文提出了一种ELM_Adaboost算法：把ELM（Extream leanring machine）作为弱分类器，训练ELM预测样本输出，通过Adaboost算法得到多个ELM弱分类器组成的强分类器。利用MATLAB GUI编写一套手写体数字识别系统，采集大量的学习样本，提取数字样本的“十三点网格特征”，使用ELM_Adaboost建立分类器。结果表明，该算法能够达到98.5%的识别率，为手写体数字识别提供指导性作用。

关键词：极限学习机；集成学习；手写体数字识别

随着国家信息化进程的加速，在邮政编码、统计报表、财务报表、银行票据等处理大量字符信息录入的场合，对手写数字识别系统的应用需求越来越强烈，对于主要都是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，处理这类信息的核心技术是手写体数字识别。将识别系统用于数字信息自动处理领域，节省人力，提高效率，加快信息流动，可创造巨大的经济效益。因此，手写数字的识别研究有着重大的现实意义。

考虑到传统神经网络（BP、RBF等）在训练过程中易陷入局部最优解，参数调整复杂，最近由新加坡学者提取出的一种新前馈神经网络的训练方法—极限学习机，它随机设置前馈神经网络的初始权值，通过求解输出权值的最小二乘解来完成网络的训练。整个过程不需要迭代，相对BP等算法有极快的速度、良好的泛化性。将极限学习机应用于模式识别领域已经得到很多专家学者的关注。……