基于改进CAIM算法的非限定离线手写笔迹鉴别

摘要

笔迹鉴别由于书写不稳定性,常致使一些简单而有效的属性不能稳定地发挥作用,然而基于属性间的关联规则却符合人认知判断的逻辑准则.本文提出一种基于改进CAIM(class-attribute interdependence maximization)离散算法的非限定离线手写笔迹鉴别方法,该方法采用CAIM准则对字符连续属性值进行区间离散化.针对笔迹鉴别中类别多而训练样本少的情况,对原始CAIM算法作了以下两点改进:(1)动态确定分类区间下限;(2)加入基于概率的类归属后处理.采用ID3算法进行分类决策并与最近邻分类决策比较表明,该方法能有效地进行手写笔迹鉴别.