Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

9.3 Resultate für multialgorithmische Fusion
Der Parameter w wurde für die Testläufe auf die Werte 7, 10, 20 und 35 gesetzt; der Parameter
qcurv betrug konstant 17 und für qdir wurden die Werte 12 und 14 verwendet. Für die
Fusion kamen alle drei Funktionen Minimum, Maximum und Durchschnittsbildung zum Einsatz.
In Abbildung 9.9 sind die entsprechenden Precision-Recall-Kurven zu sehen, sowie zum
Vergleich die Kurven für den Merkmalstyp der Schriftrichtung ohne Fusion. Wie im vorangegangenen
Abschnitt über die Fusion auf Merkmalsebene führt auch hier die Fusion zu keiner
Verbesserung gegenüber der fusionslosen Suche in Handschriftdaten. Da für die multialgorithmische
Fusion auf der Vergleichsebene, wie auch auf der Merkmalsebene, ausschließlich
die Merkmalstypen der lokalen Schriftrichtung und -krümmung in Frage kommen, kann vermutet
werden, das die Gründe für die schlechten Resultate dieselben sind wie im Abschnitt
zuvor für die Fusion auf der Merkmalsebene.
Analog zur Multi-Sample-Fusion auf der Vergleichsebene ist auch hier zu beobachten, dass
zumeist die Fusionierung mittels Durchschnittbildung zu besseren Ergebnissen führt als die
Minimum- oder Maximumfunktion. Zwischen den beiden letzteren Funktionen gibt es jedoch
keine klar Bessere, wie beispielsweise in Abbildung 9.9 oder in Anhang D.3.2 erkennbar ist.
9.3.3 Fusion auf Entscheidungsebene
Im Gegensatz zur multialgorithmischen Fusion auf Merkmals- und Vergleichsebene können
auf der Entscheidungsebene diverse Einzelsysteme, unabhängig von ihrem Merkmalstyp und
ihrer jeweiligen Parametrisierung, miteinander fusioniert werden. Anders als die bisher betrachteten
Fusionsstrategien existiert für die multialgorithmische Fusion auf der Entscheidungsebene
jedoch kein einzelner Ähnlichkeitsschwellwert, in dessen Abhängigkeit die Precision
und der Recall bestimmt werden kann. Stattdessen existiert für jedes in die Fusion
einbezogene Einzelsystem ein eigener Schwellwert. Dies führt dazu, dass für ein solchermaßen
fusioniertes Gesamtsystem keine Precision-Recall-Kurve angegeben werden kann, wie
dies in Abschnitt 8.3.2 diskutiert und anhand der Abbildungen 8.7 und 8.8 illustriert wurde.
ioPen DigiMemo Notes Taker
F1 ∆F1 F1 ∆F1 F1 ∆F1
Quadratgitter (wg � = 7) 0.859 0.914 0.741
Quadratgitter (wg = 7) ∪
�
Dreiecksgitter (wg = 7)
△
Quadratgitter (wg = 7) ∪
�
Schriftrichtung (w = 7,q = 12)
Quadratgitter (wg = 7) ∪
�
Schriftkrümmung (w = 7,q = 14)
Quadratgitter (wg = 7) ∪
�
Schriftneigung (q = 17)
0.871 +0.012 0.928 +0.014 0.758 +0.017
0.876 +0.017 0.930 +0.016 0.763 +0.022
0.859 ±0.000 0.922 +0.008 0.730 -0.011
0.864 +0.005 0.922 +0.008 0.751 +0.010
Tabelle 9.10: F1-Werte für die multialgorithmische Fusion auf der Entscheidungsebene sowie
Differenzen gegenüber unfusionierten Quadratgittermerkmalen
131