基于线性分类器的手写数字识别

论文摘要

线性分类器作为理解最简单表现最直观的算法之一,在众多更新更复杂的算法的涌现之后,依然在模式识别的应用中有一席之地,有被学习的必要。本文首先建立了一个完整的线性分类器进行手写数字识别,使用MATLAB的研究环境和MNIST的手写数据库样本。首先对于待识别的样本进行预处理,建立线性分类器,使用样本集进行训练并分类,再使用测试集得到其分类效果的数据。为了不同模式识别样本的性能,本文选取了K均值聚类,BP神经网络和SVM算法,分别建立了分类器后,使用相同的样本集进行训练并测试其性能,从识别速度和准确性进行比较。最后本文对不同算法的测试效果进行比较,总结,分析各个识别算法的优劣。建立用户界面直观反映各个分类器的优劣和使用效果。

论文目录

• 1 研究背景
• 2 图片的预处理
• 3 线性分类器的原理和建立
•   3.1 线性分类器的原理
•   3.2“奖惩”算法
• dj[X（k）]则权矢量不需要加以修正。'>    3.2.1 若di[X（k）]>dj[X（k）]则权矢量不需要加以修正。
•     3.2.2 若di[X（k）]≤dj[X（k）]则按下式进行修正：
•   3.3 测试结果
• 4 其他算法的原理概述及建立
•   4.1 聚类分析
•   4.2 BP神经网络
•   4.3 支持向量机
• 5 总结与展望

文章来源

类型: 期刊论文

作者: 黄旻浩

关键词: 模式识别,线性分类器,聚类分析,神经网络,算法

来源: 科学技术创新 2019年33期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 香港中文大学

分类号: TP391.4;TP181

页码: 58-59

总页数: 2

文件大小: 1377K

下载量: 332