基于DS-SVM的手寫體數(shù)字識(shí)別的研究.pdf

1、支持向量機(jī)(Support Vector Machine，SVM)作為近年來發(fā)展迅速的一種新型的、基于機(jī)器學(xué)習(xí)的一種模式識(shí)別算法，具有很好的推廣能力，使其應(yīng)用于多個(gè)不同的領(lǐng)域中。目前，SVM分類器的識(shí)別技術(shù)在信號(hào)處理、圖像識(shí)別和基因圖譜識(shí)別過程中產(chǎn)生強(qiáng)烈的反響，得到了界內(nèi)人士的大量好評(píng)。由于手寫體數(shù)字識(shí)別屬于模式識(shí)別領(lǐng)域中的基礎(chǔ)的研究課題，因此，SVM分類器在手寫體數(shù)字識(shí)別過程中同樣得到了可觀的識(shí)別結(jié)果。
　　本文主要對(duì)手寫體數(shù)字

2、從以下三方面進(jìn)行了較為詳實(shí)的研究:預(yù)處理、特征提取、分類識(shí)別。預(yù)處理部分包含了圖像的灰度化、濾波去噪、閾值變換以及圖像的歸一化操作等，通過不同的算法進(jìn)行對(duì)比選擇出適應(yīng)該實(shí)驗(yàn)的最佳算法;圖像特征提取主要是采用三種不同的方式從圖像的不同角度進(jìn)行了抽取，包括粗網(wǎng)格特征提取、投影特征提取以及輪廓特征提取。在數(shù)字的具體識(shí)別算法中采用了SVM分類與D-S證據(jù)理論相融合的算法進(jìn)行識(shí)別。該方法是在三種不同的特征提?。ㄗC據(jù)體）的方法之上，利用改進(jìn)的一對(duì)一

3、投票分類原理的一級(jí)SVM分類器進(jìn)行粗分類，同時(shí)生成不同類別在不同證據(jù)體下相對(duì)應(yīng)的BPA函數(shù);經(jīng)過改進(jìn)的D-S證據(jù)理論中的組合規(guī)則，生成不同證據(jù)源與其他證據(jù)體之間的沖突度因子，修正原始基本信任度函數(shù)，融合多個(gè)特征的BPA函數(shù)，形成新的信任度函數(shù)，作為二級(jí)SVM分類器的輸入，進(jìn)行最終的決策識(shí)別。
　　實(shí)驗(yàn)樣本來自閱卷中的手寫體數(shù)字，統(tǒng)計(jì)了大量的0～9的數(shù)字。通過C++平臺(tái)進(jìn)行編寫仿真實(shí)驗(yàn)過程表明，本文提出的識(shí)別算法能夠有效的減少由于單