版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、I基于基于MATLAB的手寫體數(shù)字識別算法的實現(xiàn)與分析的手寫體數(shù)字識別算法的實現(xiàn)與分析摘要手寫體數(shù)字識別是利用計算機自動辨認手寫體阿拉伯數(shù)字的一種技術(shù),是光學字符識別技術(shù)的一個分支。手寫體數(shù)字識別在郵政編碼、財務報表、銀行票據(jù)、各種憑證以及調(diào)查表格的識別等等方面有著重要應用,由于數(shù)字識別經(jīng)常涉及財會、金融領(lǐng)域,其嚴格性更是不言而喻的。所以,對識別系統(tǒng)的可靠性和識別率要求很高,構(gòu)成了手寫體數(shù)字識別面臨的主要困難,大批量數(shù)據(jù)處理對系統(tǒng)速度又
2、有相當高的要求。本文基于MNIST數(shù)據(jù)集,通過Matlab平臺,對決策樹算法、SVM算法和人工神經(jīng)網(wǎng)絡(ANN)算法進行實現(xiàn),并對分類算法的準確率進行評估。實驗結(jié)果表明,人工神經(jīng)網(wǎng)絡(ANN)的準確率最高,為99.69%,SVM算法次之,準確率為94.53%,決策樹算法的準確率為83.53%。三種分類算法中,決策樹算法的速度最快,SVM算法的速度最慢。另外,針對每一種分類算法在MNIST數(shù)據(jù)集上的實驗結(jié)果,本文還得出以下結(jié)論:第一,MN
3、IST數(shù)據(jù)集的歸一化與否對決策樹的分類效果幾乎沒有影響;對SVM的分類效果影響較大,未歸一化時的準確率為11.35%,歸一化之后的準確率為94.53%;對人工神經(jīng)網(wǎng)絡的分類效果影響較小,未歸一化時的準確率為82.11%,歸一化之后的準確率為99.69%。這說明三種分類算法對數(shù)據(jù)的不平衡分布的敏感程度各不相同。第二,對于SVM分類算法,當訓練數(shù)據(jù)集的樣本容量小于60000(MNIST訓練數(shù)據(jù)集的最大樣本容量)時,該算法對測試數(shù)據(jù)集分類預測
4、的準確率隨樣本容量的增大而增大。第三,針對人工神經(jīng)網(wǎng)絡,數(shù)據(jù)類標簽的表示形式對分類預測的準確率的影響較大。使用10位數(shù)據(jù)表示類標簽是的準確率為99.69%,遠遠高于使用1位數(shù)據(jù)表示類標簽時的準確率60.24%。IIIsensitivityofthethreeclassificationalgithmstounbalanceddistributionofdata.SecondlyftheSVMclassificationalgithmwh
5、enthesamplesizeislessthan60000(maximumsizeofMNISTtestdataset)theaccuracyincreaseswiththeincreasingofsamplesize.Thirdlyftheartificialneuralwktheimpactofclasslabelrepresentationislargeontheclassificationaccuracy.Whenusing1
6、0bitstorepresentclasslabelstheaccuracyis99.69%farhigherthantheaccuracyof60.24%whenusing1bittorepresentdatalabels.KEYWDS:HwrittennumeralrecognitionDecisiontreealgithmSVMalgithmArtificialneuralwkalgithm目錄1.引言..............
7、.........................................................................................................11.1手寫數(shù)字識別.................................................................................................12.分類算法.
8、..............................................................................................................12.1決策樹算法.....................................................................................................
9、22.1.1ID3算法........................................................................................................22.1.2C4.5算法.............................................................................................
10、.........32.1.3CART算法.....................................................................................................32.1.4SLIQ算法......................................................................................
11、................32.1.5SPRINT算法..................................................................................................32.1.6經(jīng)典決策樹算法的比較............................................................................
12、..42.2支持向量機.....................................................................................................42.3人工神經(jīng)網(wǎng)絡.................................................................................................6
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于RVM的手寫體數(shù)字識別.pdf
- 手寫體數(shù)字識別.pdf
- 自由手寫體數(shù)字識別系統(tǒng)的設計與實現(xiàn)
- 基于BP網(wǎng)絡的手寫體數(shù)字識別.pdf
- 基于輪廓曲率的手寫體數(shù)字識別.pdf
- 手寫體數(shù)字識別系統(tǒng)的設計與實現(xiàn).pdf
- 基于核方法的手寫體數(shù)字識別研究.pdf
- 高精度手寫體數(shù)字的識別.pdf
- 基于BP神經(jīng)網(wǎng)絡的手寫體數(shù)字識別分析與研究.pdf
- 手寫體漢字識別技術(shù)的研究與實現(xiàn).pdf
- 孟加拉文手寫體數(shù)字識別方法的研究與實現(xiàn).pdf
- 基于專家乘積的手寫體數(shù)字識別系統(tǒng).pdf
- 基于ARM9的手寫體數(shù)字識別技術(shù)研究與實現(xiàn).pdf
- 脫機手寫體數(shù)字識別方法研究與實現(xiàn).pdf
- 基于模糊聚類算法的無約束手寫體數(shù)字識別.pdf
- 基于Hopfield神經(jīng)網(wǎng)絡的脫機手寫體數(shù)字識別分析與研究.pdf
- 手寫體數(shù)字識別技術(shù)研究.pdf
- 基于BP神經(jīng)網(wǎng)絡集成的手寫體數(shù)字識別.pdf
- 基于DS-SVM的手寫體數(shù)字識別的研究.pdf
- 手寫體英文數(shù)字識別系統(tǒng)識別預處理
評論
0/150
提交評論