基于核方法的手写体数字识别分析-模式识别与智能系统专业论文.docxVIP

硕士论文 硕士论文 基于核方法的手写体数字识别研究 摘要 基于核的学习算法由于其坚实的理论基础、优良的性能表现在最近几年中得到 了机器学习界的广泛关注。本文首先从数学上形式化地讨论了核函数的基本理论及 其性质，然后着重讨论了支持向量机与核Fisher鉴别两种基于核的学习算法及其在 手写体数字识别中的应用。 本文在对支持向量机训练算法，特别是SMO算法进行深入分析的基础上，提 出了一种改进的分解算法GD，较好地解决了训练过程中子问题的求解复杂度和迭 代次数及效率之间的矛盾，实验表明，该算法能够大大缩短非线性核支持向量机的 训练时间； 经典的支持向量机仅针对两类分类问题，本文提出并实现了几种多类别分类策 略，并针对数字识别对它们的实际效果进行了比较： 问题域的先验知识是改善分类器性能的重要途径，本文针对数字识别中平移和 小角度旋转的不变性，实现了在支持向量机中融入先验知识： 本文利用核技巧，将Fisher线性鉴别及统计不相关的鉴别矢量集推广到核空间 的情形。对数字识别的实验表明，该方法能够取得与支持向量机几乎相同的效果。 关键词：手写体数字识别，核函数，特征空间，统计学习理论，支持向量机，先验 知识，核Fisher鉴别分析 硕士论文 硕士论文