数字识别支持向量机方法应用研究.docVIP

数字识别的支持向量机方法 目 录 摘要 - 1 - Abstract - 2 - 第一章 绪论 - 3 - 1.1研究背景 - 3 - 1.1.1数字识别概述 - 3 - 1.1.2数字识别的问题和困难 - 3 - 第二章 数字识别技术 - 4 - 2.1数字识别的方法 - 4 - 2.1.1神经网络的BP学习算法 - 4 - 2.1.2 SVM算法 - 5 - 2.2支持向量机与多层前向网络区别 - 6 - 第三章 统计学理论与支持向量机 - 7 - 3.1统计学习理论的核心内容 - 7 - 3.1.1VC维 - 7 - 3.1.2推广能力的界 - 7 - 3.1.3结构构风险最小化 - 8 - 3.2线性支持向量机 - 8 - 3.3非线性支持向量机 - 11 - 3.4支持向量机的评价 - 12 - 第四章 数字识别的支持向量机的方法 - 13 - 4.1 SVM学习算法步骤 - 13 - 4.2应用SVM算法识别数字字符和结果分析 - 14 - 4.2.1数字识别的实现 - 14 - 4.2.2 识别结果分析 - 15 - 4.3支持向量机与多层前向网络BP算法结果的比较 - 16 - 第五章 结论 - 17 - 致谢 - 18 - 参考文献 - 19 - 附录 - 20 - 摘要 数字作为世界经济发展的信息的载体，利用计算机数字识别和文档处理技术成为人们迫切要解决的问题。本文先介绍数字识别和数字识别的几种技术，主要包括多层神经网络BP算法和支持向量机等,并对这两种方法的比较，找出他们的区别。接下来介绍支持向量机的工作原理以及在其图像识别中的应用，指出了该方法与BP识别法的优势所在，并在以数字字符的识别为例进行实现，通过把字符图像转化为数据矩阵，并MATLAB下给出识别结果，实验结果表明了该方法识别准确性较高，而且SVM（support ector machine）样本训练的收敛速度比较快。 关键词：数字识别 支持向量机 数据矩阵 MATLAB Abstract Digital as the development of the world economy by computer information carrier, digital identification and document processing technology to become people urgent problems to solve. This paper first introduces digital identification and several kinds of numeral recognition technology, mainly including multilayer neural network based on BP algorithm and support vector machine, etc, and on the comparison of the two methods, find out their differences. Next the introduced support vector machine working principle and its application in image recognition, points out the method and BP recognition method advantage, and, in the digital character recognition as an example, through the chatacter image into data matrix and MATLAB recognition result gives, and experimental results show that the new method is accurate, and the SVM (support ector machine) sample training convergence speed is faster. The keywords：digital identification support ector machine data matrix matlab 第一章 绪论 1.1研究背景 1.1.1数字识别概述 阿拉伯数字是人类文明的标志之一，也是人们进行交流与沟通的主要媒介。数字作为世界经济发展的信息载体，展示了世界各族人民的思维和认知方式。在我们的日常生活中，每天都要进行大量的文档处理工作，税单、银行支票、汇款单、信用卡账单的处理，以及邮局信函的分检等等，如何利用计算