一種改進(jìn)的支持向量機(jī)在手寫(xiě)體漢字識(shí)別中的研究與應(yīng)用.pdf

1、模式識(shí)別是一釋人工智能信息處理技術(shù)，在近年來(lái)廣泛應(yīng)用于文字、指紋和遙感圖像識(shí)別等領(lǐng)域。模式識(shí)別大致分為三個(gè)過(guò)程；預(yù)處理、特征提取、識(shí)別。預(yù)處理完成的是前期工作，對(duì)獲取的待識(shí)別圖像進(jìn)行二值化、平滑、細(xì)化等圖像規(guī)范化操作使得更易進(jìn)行下步的識(shí)別操作。特征提取過(guò)程將輸入對(duì)象的識(shí)別特征作為特征空間的一個(gè)點(diǎn)或一個(gè)特征矢量提取出來(lái)。識(shí)別完成最后的分類(lèi)，這個(gè)過(guò)程將前面提取出來(lái)的特征矢量用分類(lèi)器進(jìn)行分類(lèi)，通過(guò)決策函數(shù)得到最后的分類(lèi)結(jié)果。 本文主要

2、研究的是識(shí)別過(guò)程中近年來(lái)應(yīng)用較為廣泛的一種分類(lèi)器；支持向量機(jī)(SVM)。支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展而來(lái)的一種機(jī)器學(xué)習(xí)方法，在解決小樣本、菲線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出了許多特有的優(yōu)勢(shì)。但是傳統(tǒng)的SVM存在很多亟待解決的問(wèn)題；1)SVM核函數(shù)及其參數(shù)的選擇沒(méi)有固定的標(biāo)準(zhǔn)；2)SVM只能解決二類(lèi)樣本問(wèn)題，無(wú)法解決實(shí)際情況中的多類(lèi)分類(lèi)問(wèn)題。遺傳算法(GA)是一種搜索尋優(yōu)算法，摒棄了傳統(tǒng)優(yōu)化方法的搜索方式，模擬自然界生物進(jìn)化過(guò)程，

3、采用人工進(jìn)化的方式對(duì)目標(biāo)空闖進(jìn)行隨機(jī)化搜索。遺傳算法對(duì)求解問(wèn)題本身一無(wú)所知，所需要的僅是對(duì)算法產(chǎn)生的每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，通過(guò)作用于個(gè)體上的基因，尋找更好的個(gè)體來(lái)求解問(wèn)題。遺傳算法這種進(jìn)化搜索的優(yōu)點(diǎn)，能在多代搜索孛尋求最適合的SVM核函數(shù)參數(shù)，較好的解決了SVM參數(shù)沒(méi)有固定標(biāo)準(zhǔn)的問(wèn)題。同時(shí)，將SVM用正態(tài)樹(shù)形層次集成起來(lái)，進(jìn)行多次二類(lèi)分類(lèi)，從而達(dá)到多類(lèi)分類(lèi)的目的。 漢字識(shí)別是用計(jì)算機(jī)自動(dòng)辨識(shí)印刷在紙上或人寫(xiě)在紙上的漢字，學(xué)科上屬于模

4、式識(shí)別和人工智能的范疇。在當(dāng)今信息發(fā)展一日千里的時(shí)代，越來(lái)越多時(shí)候面臨將手寫(xiě)文字錄入計(jì)算機(jī)系統(tǒng)處理的需要，這就追使手寫(xiě)字符識(shí)別成為一個(gè)亟待解決的問(wèn)題。 本文結(jié)合遺傳算法和正態(tài)二叉樹(shù)改進(jìn)支持向量機(jī)構(gòu)成GA-SVMs，將這種改進(jìn)的支持向量機(jī)應(yīng)用在手寫(xiě)體漢字識(shí)別上，開(kāi)發(fā)出一套手寫(xiě)體漢字識(shí)別系統(tǒng)。GA-SVMs摒棄了傳統(tǒng)的SVM參數(shù)不確定的缺陷，能快速的搜尋最優(yōu)SVM，在分類(lèi)正確率上有一定的提高，同時(shí)改進(jìn)了傳統(tǒng)SVM只能二類(lèi)識(shí)別的不足。