개선된 LVQ3와 시뮬레이티드 아닐링의 결합을 통한 대용량 필기체 문자 인식을 위한 최적의 참조 모델 설계

패턴 정합을 바탕으로한 대용량 필기체 문자 인식 방법에서는 참조 모델이 인식 성능을 높이는데 매우 중요한 역할을 한다. 본 연구에서는 대용량 필기체 문자에 대한 최적의 참조 모델을 설계하는 새로운 방법을 제안한다. 제안된 방법에서는 1986년 이래, 음성 인식 분야에서 소규모의 부호책을 생성하기 위하여 집중적으로 연구되어온 Learning Vector Quantization(LVQ) 알고리즘들 중에서 다른 버전들 보다 우수한 것으로 알려진 LVQ3 알고리즘의 부류 분포에 대한 근사 능력을 개선하였고, 개선된 LVQ3 알고리즘을 시뮬레이티드 아닐링과 결합시킴으로써 LVQ 알고리즘 자체의 여러가지 단점들을 보완하였다. 한글 사용 빈도 상위 520자에 대하여 실험한 결과, 제안된 방법이 훈련 데이터 집합의 부류별 평균 벡터를 참조 모델로 사용하는 기존의 방법 뿐 만 아니라 LVQ 알고리즘의 여러 버전들 보다 훨씬 우수함을 알 수 있었다.