Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

9.3 Resultate für multialgorithmische Fusion
wirklich signifikant ist; während in einigen Fällen ein höherer Wert für n auch zu einer Verschlechterung
des F1-Wertes und damit der Leistungsfähigkeit des Systems führen kann.
Im Vergleich der Verbesserungen durch eine Fusion bereits auf der Vergleichs- anstatt der
Entscheidungsebene schneidet letztere geringfügig schlechter ab, wie man leicht anhand der
Tabellen 9.8 und 9.9 sehen kann.
9.3 Resultate für multialgorithmische Fusion
In diesem Abschnitt finden sich die Ergebnisse der Evaluation der multialgorithmischen Fusion
auf der Merkmals-, der Vergleichs- und der Entscheidungsebene.
9.3.1 Fusion auf Merkmalsebene
Für die multialgorithmische Fusion auf der Ebene der Merkmale kommen in dieser Arbeit, wie
in den Abschnitten 7.2.2 und 8.3.2 diskutiert, nur die Merkmalstypen auf Basis der lokalen
Schriftrichtung und -krümmung in Frage. Für die Fusion ergeben sich somit drei unterschiedliche
Parameter; die Punktweite w nach erfolgter äquidistanter Neuabtastung der Stiftdaten
sowie die Grade qdir und qcurv der Quantisierung der Winkelinformationen beider Merkmale.
precision
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
ioPen: feature level fusion: curvature + directions (w=10)
q curv =12, q dir =8
q curv =12, q dir =16
q curv =12, q dir =20
q curv =17, q dir =8
q curv =17, q dir =16
q curv =17, q dir =20
q dir =8
q dir =16
q dir =20
0.1 0.2 0.3 0.4 0.5
recall
0.6 0.7 0.8 0.9 1
Abbildung 9.8: Precision-Recall-Diagramm für die multialgorithmische Fusion von Schriftrichtungs-
und -krümmungsmerkmalen auf der Merkmalsebene sowie fusionslose
Verwendung von Schriftrichtungsmerkmalen für den Gerätetyp
ioPen (w = 10)
Aus der Vielzahl möglicher Parameterkombinationen wurden aufgrund des insgesamt hohen
Zeitaufwandes für die Testläufe einige wenige ausgewählt. Der Parameter w wurde für
129