基于SVM手写体汉字识别.pptVIP

福州大学应用数学与计算机科学学院 毕业设计答辩讲稿 基于SVM的手写体汉字识别 姓名： 高长进 学号： 030601504 福州大学数学与计算机科学学院 研究目的 脱机手写体汉字识别作为汉字识别领域中最难的课题，具有相当的研究价值和发展前景。 为了探寻进行脱机手写体汉字识别的更加实用有效的方法，本文讨论了利用支持向量机SVM对脱机手写体汉字进行识别的方法。 研究背景 联机手写体汉字识别：难度小，发展成熟 脱机手写体汉字识别：难度高，有待发展 研究方法 特征提取算法 小波多网格特征提取法 笔画密度投影法 复合特征 分类识别算法 支持向量机算法 LIBSVM工具 图像预处理 图像二值化 去噪 分割与缩放 细化 预处理前 二值化和锐化效果 去噪和缩放 细化 特征提取算法 小波多网格算法：16维 笔画密度投影算法：96维 特征融合算法：小于或等于112维 小波多网格算法 笔画密度投影算法 特征融合算法 将两种方法提取出来的特征数据合在一起，去除一些冗余维的数据，形成新的特征数据。 SVM模型训练与测试 结果分析 结果总结 实验结果表明，使用特征融合的方法可以有效结合两种算法的优点，目前一些有脱机手写体汉字识别功能的产品总体识别率仅有30%左右，因此本实验结果证明本文提出的方法是可行的且有一定的实用价值。 谢谢！ * * 福州大学毕业