Требования к признаковым классификаторам

Исходя из изложенной схемы, сформулируем набор требований к признаковым классификаторам, которые могут быть использованы в ней.

Высокий процент распознанных символов

Это наиболее очевидное из предъявляемых требований. Экспериментальные данные приводятся в разделе 4; здесь лишь обозначим приблизительную границу — 95%. Если у классификатора этот процент существенно меньше, то едва ли какие-либо другие его преимущества способны компенсировать этот недостаток.

Способность генерировать варианты распознавания

На печатный анализатор в целом накладывается требование выдавать наверх, на лингвистический уровень, не только единичный результат классификации, но и несколько других, менее вероятных вариантов — чтобы с учётом знаний о том, какие слова есть в словаре, скорректировать результат распознавания. Внутри же печатного анализатора генерацию вариантов осуществляет именно признаковый классификатор.

Таким образом, требование 2.2.1 ужесточается: недостаточно получать в 95% случаев верную первую гипотезу; нужно, чтобы и в значительной части из оставшихся 5% правильный вариант лежал в списке гипотез.

Способность оценивать уверенность гипотез

Необходимо, чтобы к каждой гипотезе из списка вариантов было приписано число, характеризующее уверенность, что эта гипотеза верна. Такое требование вытекает из необходимости оптимизации процесса распознавания путём организации отсечений: в случае, если классификатор распознал символ достаточно уверенно, последующие признаковые классификаторы можно не запускать.

Требования по скорости

Отметим, что важна не асимптотическая сложность рассматриваемых алгоритмов, а скорость работы на обучающей выборке конкретного размера; она же сильно зависит от реализации алгоритма. Поэтому ограничимся качественным требованием: предпочтительно, чтобы значительная часть работы алгоритма приходилась на этап обучения (так как он некритичен по времени) и чтобы по его результатам могли быть сформированы достаточно компактные данные, которые затем используются при распознавании. Такие данные будем называть эталонами.