模式识别实验报告,svm

模式识别实验报告,svm

ID:30338870

大小:26.31 KB

页数:21页

时间:2018-12-29

模式识别实验报告,svm_第1页
模式识别实验报告,svm_第2页
模式识别实验报告,svm_第3页
模式识别实验报告,svm_第4页
模式识别实验报告,svm_第5页
资源描述:

《模式识别实验报告,svm》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、为了适应公司新战略的发展,保障停车场安保新项目的正常、顺利开展,特制定安保从业人员的业务技能及个人素质的培训计划模式识别实验报告,svm  文章编号:1009--0041-03  基于SVM的手写体阿拉伯数字识别  张鸽陈书开  摘要支持向量机(SVM)是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。介绍了在提取穿越次数特征、粗网格特征以及密度特征提取的基础上应用SVM进行手写体阿拉伯数字识别的方法。  关键词SVM,核函数,穿越次数特征,粗网格特征,密度特征  HandwritingN

2、umeralsRecognitionbasedonSVM  ZhangGeChenShukai  (DepartmentofComputerandCommunication,ChangshaUnivesityofScienceandTechnology,  Changsha)目的-通过该培训员工可对保安行业有初步了解,并感受到安保行业的发展的巨大潜力,可提升其的专业水平,并确保其在这个行业的安全感。为了适应公司新战略的发展,保障停车场安保新项目的正常、顺利开展,特制定安保从业人员的业务技能及个人素质的培训计划  AbstractSupprotVectorMach

3、ine(SVM)isanewpatternrecognitionmethoddevelopedinrecentyearsonthegoundationofstatisticallearningwinspopulatityduetomanyattractive(来自:写论文网:模式识别实验报告,svm)featuresandemphaticalperformanceinthefieldsofnonlinearandhighdimensionalpatternrecognition.Thepaperintroducesascriptarabicnumeralsrec

4、ognitionmethodappliedSVMbasedondrawingoutTraversing-timescharacterandWide-griddingcharacter.  KeywordsSVM,KenerlFunction,Traversing-timescharacter,Wide-griddingcharacter,densitycharacter  1引言  手写体阿拉伯数字识别是图象处理和模式识别领域中的研究课题之一。字符识别系统一般由图象采集、信号预处理、特征提取、分类识别等几个部分组成。识别系统的识别方式可分为联机手写体字符识别、脱

5、机印刷体字符识别和脱机手写体字符识别等,其中脱机手写体字符由于书写者的因素,使其字符图像的随意性很大,例如,笔画的粗细、字体的大小、手写体的倾斜度、字符笔画的局部扭曲变形、字体灰度的差异等都直接影响到字符的正确识别。所以手写体数字字符的识别是数字字符识别领域内最具挑战性的课题。目的-通过该培训员工可对保安行业有初步了解,并感受到安保行业的发展的巨大潜力,可提升其的专业水平,并确保其在这个行业的安全感。为了适应公司新战略的发展,保障停车场安保新项目的正常、顺利开展,特制定安保从业人员的业务技能及个人素质的培训计划  近年来,支持向量机的研究在广泛开展。支持向量机是

6、等根据统计学习理论提出的一种新的机器学习方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果[1]。支持向量机从本质上讲是一种前向神经网络,根据结构风险最小化准则,在使训练样本分类误差极小化的前提下,尽量提高分类器的泛化推广能力。从实施的角度,训练支持向量机的核心思想等价于求解一个线性约束的二次规划问题,从而构造一个超平面作为决策平面,使得特征空间中两类模式之间的距离最大,而且它能保证得到的解为全局最优解。本文即是采用SVM进行0~9的手写体阿拉伯数字的识别。2SVM基本原理线性可分情况

7、  SVM方法是从线性可分情况下的最优分类面(OptimalHyperplane)提出的。所谓最优分类面就是要求分类线不但能将两类样本无错误的分开,而且要使两类之间的距离最大。  设线性可分样本集为(xi,yi),i=1,2,?,n,x∈Rd,y∈{+1,-1}是类别标号。d维空间中线性判别函数的一般形式为:g(x)=w·x+b,分类面方程为:  w·x+b=0(1)  将判别函数进行归一化,使两类所有样本都满足

8、g(x)

9、≥1,即,使离分类面最近的样本的

10、g(x)

11、=1,这样分类间隔就等于2/‖w‖,因此间隔最大等价于使‖w‖(或‖w‖2)最小;而要求分类线对

12、所有样本正确分  类,就

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。