Comparaison des méthodes probabilistes et évidentielles de fusion de classifieurs pour la reconnaissance de mots manuscrits

Yousri Kessentini (1) , Thierry Paquet (1) , Thomas Burger (2)

1 LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes
2 Lab-STICC - Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192)

Dans le cadre de la reconnaissance de mots manuscrits, nous proposons de comparer l'efficacité des méthodes probabilistes et évidentielles de combinaison de classifieurs MMC. Les performances obtenues indiquent que dans le cas de bases de données simples, les méthodes probabilistes sont plus efficaces. A l'inverse, sur des bases de données plus difficiles (lexique large, classifieurs individuels peu performants, etc.), la théorie des fonctions de croyance est plus efficace tout en ouvrant de nouvelles perspectives en termes de prise de décisions partielles.

Domaines: Vision par ordinateur et reconnaissance de formes [cs.CV]

Yousri Kessentini, Thierry Paquet, Thomas Burger. Comparaison des méthodes probabilistes et évidentielles de fusion de classifieurs pour la reconnaissance de mots manuscrits. Conférence Internationale Francophone sur le Document et l'écrit, Mar 2010, Sousse, Tunisie. ⟨hal-00448595⟩