基于MATLAB的手写体数字识别算法的实现与分析毕业论文 .docxVIP

基于 MATLAB 的手写体数字识别算法的实现与分析 摘要 手写体数字识别是利用计算机自动辨认手写体阿拉伯数字的一种技术，是光学字符识别技术的一个分支。手写体数字识别在邮政编码、务财报表、银行票据、各种凭证以及调查表格的识别等等 方面有着重要应用，由千数字识别经常涉及财会、金融领域，其严格性更是不言而喻的。所以，对识别系统的可靠性和识别率要求很高，构成了手写体数字识别面临的主要困难，大批量数据处理对系统速度又有相当高的要求。 本文基千 MNIST 数据集， 通过 M at lab 平台， 对决策树算法、SVM 算法和人工神经网络 ( ANN ) 算法进行实现， 并对分类算法的准确率进行评估。实验结果表明， 人工神经网络 ( ANN ) 的准确率最高， 为 99.6 9%, SVM 算法次之， 准确率为 94.53%, 决策树算法的准确率为 83.53%。三种分类算法中， 决策树算法的速度最快， SVM 算法的速度最慢。另外， 针对每一种分类算法在 MNIST 数据集上的实验结果， 本文还得出以下结论： 第一， M NIST 数据集的归一化与否对决策树的分类效果几乎没有影响； 对 SVM 的分类效果影响较大， 未归一化时的准确率为 11.35% , 归一化之后的准确率为 94. 53%; 对人工神经网络的分类效果影响较小， 未归一化时的准确率为 8 2.11%, 归一