基于matlab的手寫(xiě)體數(shù)字識(shí)別算法的實(shí)現(xiàn)與分析-畢業(yè)論文

1、I基于基于MATLAB的手寫(xiě)體數(shù)字識(shí)別算法的實(shí)現(xiàn)與分析的手寫(xiě)體數(shù)字識(shí)別算法的實(shí)現(xiàn)與分析摘要手寫(xiě)體數(shù)字識(shí)別是利用計(jì)算機(jī)自動(dòng)辨認(rèn)手寫(xiě)體阿拉伯?dāng)?shù)字的一種技術(shù)，是光學(xué)字符識(shí)別技術(shù)的一個(gè)分支。手寫(xiě)體數(shù)字識(shí)別在郵政編碼、財(cái)務(wù)報(bào)表、銀行票據(jù)、各種憑證以及調(diào)查表格的識(shí)別等等方面有著重要應(yīng)用，由于數(shù)字識(shí)別經(jīng)常涉及財(cái)會(huì)、金融領(lǐng)域，其嚴(yán)格性更是不言而喻的。所以，對(duì)識(shí)別系統(tǒng)的可靠性和識(shí)別率要求很高，構(gòu)成了手寫(xiě)體數(shù)字識(shí)別面臨的主要困難，大批量數(shù)據(jù)處理對(duì)系統(tǒng)速度又

2、有相當(dāng)高的要求。本文基于MNIST數(shù)據(jù)集，通過(guò)Matlab平臺(tái)，對(duì)決策樹(shù)算法、SVM算法和人工神經(jīng)網(wǎng)絡(luò)（ANN）算法進(jìn)行實(shí)現(xiàn)，并對(duì)分類算法的準(zhǔn)確率進(jìn)行評(píng)估。實(shí)驗(yàn)結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)（ANN）的準(zhǔn)確率最高，為99.69%，SVM算法次之，準(zhǔn)確率為94.53%，決策樹(shù)算法的準(zhǔn)確率為83.53%。三種分類算法中，決策樹(shù)算法的速度最快，SVM算法的速度最慢。另外，針對(duì)每一種分類算法在MNIST數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果，本文還得出以下結(jié)論：第一，MN

3、IST數(shù)據(jù)集的歸一化與否對(duì)決策樹(shù)的分類效果幾乎沒(méi)有影響；對(duì)SVM的分類效果影響較大，未歸一化時(shí)的準(zhǔn)確率為11.35%，歸一化之后的準(zhǔn)確率為94.53%；對(duì)人工神經(jīng)網(wǎng)絡(luò)的分類效果影響較小，未歸一化時(shí)的準(zhǔn)確率為82.11%，歸一化之后的準(zhǔn)確率為99.69%。這說(shuō)明三種分類算法對(duì)數(shù)據(jù)的不平衡分布的敏感程度各不相同。第二，對(duì)于SVM分類算法，當(dāng)訓(xùn)練數(shù)據(jù)集的樣本容量小于60000（MNIST訓(xùn)練數(shù)據(jù)集的最大樣本容量）時(shí)，該算法對(duì)測(cè)試數(shù)據(jù)集分類預(yù)測(cè)

4、的準(zhǔn)確率隨樣本容量的增大而增大。第三，針對(duì)人工神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)類標(biāo)簽的表示形式對(duì)分類預(yù)測(cè)的準(zhǔn)確率的影響較大。使用10位數(shù)據(jù)表示類標(biāo)簽是的準(zhǔn)確率為99.69%，遠(yuǎn)遠(yuǎn)高于使用1位數(shù)據(jù)表示類標(biāo)簽時(shí)的準(zhǔn)確率60.24%。IIIsensitivityofthethreeclassificationalgithmstounbalanceddistributionofdata.SecondlyftheSVMclassificationalgithmwh

5、enthesamplesizeislessthan60000(maximumsizeofMNISTtestdataset)theaccuracyincreaseswiththeincreasingofsamplesize.Thirdlyftheartificialneuralwktheimpactofclasslabelrepresentationislargeontheclassificationaccuracy.Whenusing1

6、0bitstorepresentclasslabelstheaccuracyis99.69%farhigherthantheaccuracyof60.24%whenusing1bittorepresentdatalabels.KEYWDS:HwrittennumeralrecognitionDecisiontreealgithmSVMalgithmArtificialneuralwkalgithm目錄1.引言..............

7、.........................................................................................................11.1手寫(xiě)數(shù)字識(shí)別.................................................................................................12.分類算法.

8、..............................................................................................................12.1決策樹(shù)算法.....................................................................................................

9、22.1.1ID3算法........................................................................................................22.1.2C4.5算法.............................................................................................

10、.........32.1.3CART算法.....................................................................................................32.1.4SLIQ算法......................................................................................

11、................32.1.5SPRINT算法..................................................................................................32.1.6經(jīng)典決策樹(shù)算法的比較............................................................................

12、..42.2支持向量機(jī).....................................................................................................42.3人工神經(jīng)網(wǎng)絡(luò).................................................................................................6