论文部分内容阅读
应用最大-最小相似度（maximum-minimum similarity,简称MMS）学习方法，对基于高斯混合模型的文本区域提取方法中的有关参数进行优化．该学习方法通过最大化正样本相似度和最小，化反样本相似度获得最佳分类能力．根据这种判别学习思想，建立了相应的目标函数，并利用最速梯度下降法寻找目标函数最小值，以得到文本区域提取方法的最优参数集合．文本区域提取实验结果表明：在用期望最大化（expectation maximization，简称EM）算法获得参数的极大似然估计值后，使用最大．最小相似度学习方