粒子群算法是怎么用于字符识别的

粒子群算法是怎么用于字符识别的

字符识别可看做属于模式识别范畴，模式识别即对已有的模式进行识别，即分类。

粒子群本身是一个搜索算法或者优化算法，本质说，它不能用于分类。但是，结合其他的一些分类算法，把分类的问题看成一个问题的优化问题的时候，粒子群就可以用于分类了。

举个粒子，最近邻分类NN，指的是测试集中的样本与训练集中距离最近样本的模式（类别）相同。

现在假定给了训练集A，测试集B。假设类别已知为C类。如果训练集A特征大的时候，势必会影响分类时候的速度，那么我们就可以把训练集简化到每类一个样本（共C个样本），那样分类的时候只需要计算B中每个样本到C个中心点中哪个的距离最小就可以了。

如何利用粒子群算法得到这C个中心点呢？？

一般采用聚类的思想，假设我们想找到C个中心点的每个中心点 是 到A中对应自己类别的样本的距离和最小的C个点，那么适应度函数就出来了。即训练样本到中心点样本的距离和。