基于SVM的驗證碼識別算法研究.pdf

1、20世紀90年代初期，由Vapnik等人所提出的支持向量機（SVM）是在統(tǒng)計學理論基礎上發(fā)展進而產生的一個嶄新的學習系統(tǒng)，在文本分類、手寫字符識別、圖像分類、生物序列分析等實際應用中具有很高的泛化學習性能。隨著在理論方面不斷深入，在實踐中不斷發(fā)展，SVM目前已成為機器學習和數(shù)據(jù)挖掘領域的標準工具。
　　 基于支持向量機的驗證碼識別在電子商務中有著廣泛應用。電子商務的發(fā)展非常迅速，迫切需要一種推廣方式來推銷他們的商品，殘障人士上網(wǎng)

2、問題也需要迫切關注,因此許多人開始研究網(wǎng)絡機器人技術，用于郵箱自動注冊，群發(fā)信息，自動灌水，自動登錄等功能，而這些功能都離不開驗證碼識別技術，驗證碼識別技術已成為當前這一領域的一個研究熱點。
　　 本文詳細介紹了支持向量機的基礎理論、算法實現(xiàn)策略、模型和參數(shù)選擇，研究了驗證碼圖像處理、特征提取及驗證碼識別的具體方法，設計并實現(xiàn)了驗證碼識別方案，在驗證碼識別過程中取得了良好的效果。
　　 本文首先概述統(tǒng)計學習理論和支持向量

3、機的構造方法，分析和研究了支持向量機的多類分類算法和核函數(shù)方法。
　　 其次，介紹了圖像處理的各種基本算法，對驗證碼圖像處理遇到的問題進行了分析，并采取不同的方法使驗證碼處理達到較好效果，方便了驗證碼特征向量的提取，同時還分析了幾種不同的驗證碼特征提取方法的優(yōu)劣。
　　 再次，介紹了SVM多類分類器的詳細設計過程，分析了實現(xiàn)過程過程中遇到的情況，設計了良好的數(shù)據(jù)結構用來存儲向量數(shù)據(jù)，提供了SVM訓練接口和預測接口，分別用