《CNN、SVM算法原理概述》2900字.docVIP

第

第PAGE6页共22页

CNN、SVM算法原理概述

目录

TOC\o1-3\h\u1844CNN、SVM算法原理概述 1

95431.1卷积神经网络 1

42651.1.1卷积神经网络概述 1

80291.1.2LetNet-5模型 1

234601.1.3卷积神经网络识别手写数字流程 2

73851.2支持向量机 3

106361.2.1支持向量机简介 3

1.1卷积神经网络

1.1.1卷积神经网络概述

手写数字识别一直是机器学习、深度学习的一个研究热点，目前卷积神经网络(CNN)因为识别准确率高、算法较为先进而被广泛应用。卷积神经网络对数据处理方式和数学中的卷积类似，因此得名，是一种前馈型神经网络卷积神经网络，CNN模型众多，LeNet5就是一个经典的CNN模型，也是此后其他CNN模型的基本组成部分。

卷积神经网络组成部分有：输入层、卷积层、池化层、全连接层。这些层使CNN具有局部连接、权重共享、空间上的下采样等特点。对于大数据量的图片，处理的成本会很大，效率也低，卷积神经网络可以很好地将其降维成小数据量。图像在数字化的过程中容易丢失特征，卷积神经网络可以有效保留图片特征。

局部连接：指在卷积层输入特征图和输出特征图的神经元是局部相连的，然后经过卷积核运算学习输入特征图的局部特征。卷积神经网络