基于改進支持向量機的貨幣識別研究.pdf

1、貨幣識別是一個模式識別問題，主要包括以下三大部分：數(shù)據(jù)采集、特征提取和分類器的設(shè)計。針對當(dāng)今貨幣識別率低等問題，借鑒典型相關(guān)分析融合思想和支持向量機的幾何解釋，利用兩種不同的主成分分析方法特征融合后，并將基于模糊支持向量域多分類算法應(yīng)用于貨幣識別。 貨幣特征提取方面，針對提取信息不全面的問題，基于粗糙集的屬性約簡方法和典型相關(guān)分析融合思想，利用兩種不同主成分分析方法對特征向量進行降維，并且把條件屬性與決策屬性聯(lián)系起來進行屬性約簡

2、，基于典型相關(guān)分析思想對兩種不同特征進行融合。實驗仿真結(jié)果表明，該算法能在很好結(jié)合貨幣圖像的全局與局部互補信息，且融合后的提取算法優(yōu)于以前單一的算法，響應(yīng)時間相當(dāng)。 訓(xùn)練算法采用一種基于幾何思想的快速訓(xùn)練算法，其主要思想借鑒最近點（NPA）算法和DIRECTSVM算法，不僅克服了傳統(tǒng)訓(xùn)練算法中求解二次規(guī)劃算法的計算量大的缺點，而且算法的速度非常快。實驗仿真結(jié)果表明，算法性能比較高，訓(xùn)練時間比當(dāng)前流行的訓(xùn)練算法SMO算法、DIRE