基于支持向量機的手寫數字識別的研究.pdf

1、隨著科學技術的快速發(fā)展，計算機處理速度越來越快，用計算機解決現實生活中的問題是一個熱點的研究方向。由于手寫數字的識別存在于郵件分類、文獻檢索、銀行票據等很多領域中，因此手寫數字識別是模式識別中的一個較為重要的研究方向，如何提高識別正確率及其效率也是大家奮斗的目標。
　　 本文分四步進行研究手寫數字識別。
　　 第一步，相對人臉等其它對象樣本向量的維數而言，手寫數字樣本的向量維數是較小的，因此直接采用支持向量機+多分類算法

2、進行訓練和識別。本文選擇的多分類算法有1-(k-1)算法、二叉樹、二分法和投票法。通過實驗結果的分析，得出二分法和投票法相對較優(yōu)，但是不足之處在于，要得到高的識別正確率必須要很多訓練樣本，這樣就必須花很長時間進行訓練樣本。
　　 第二步，采用PCA進行降維，可以減少訓練樣本的時間。但是降維之后，識別準確率沒有得到提高，這可能與所選的樣本和樣本向量的數據有關。
　　 第三步，從減少訓練樣本數入手，考慮到訓練樣本間的相似性，

3、采用相似形態(tài)配對想法來挑選訓練樣本。結果挑選出639個訓練樣本，對100個待測樣本進行識別，識別準確率達到了87％，這個結果對比于第一步的結果有了個明顯的提升。
　　 第四步，繼續(xù)延續(xù)第三步的想法，即從減少訓練樣本入手，通過聚類分析得到新的訓練樣本，再進行實驗。最后得出結論，即選用相似距離+層次聚類中的中間距離算法+多分類的投票算法之后，當挑選出1800個訓練樣本時，識別正確率達到97％，這樣保證了高的識別正確率，并且大大降低訓