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

1、模式識別是一釋人工智能信息處理技術(shù)，在近年來廣泛應(yīng)用于文字、指紋和遙感圖像識別等領(lǐng)域。模式識別大致分為三個(gè)過程；預(yù)處理、特征提取、識別。預(yù)處理完成的是前期工作，對獲取的待識別圖像進(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)行下步的識別操作。特征提取過程將輸入對象的識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。識別完成最后的分類，這個(gè)過程將前面提取出來的特征矢量用分類器進(jìn)行分類，通過決策函數(shù)得到最后的分類結(jié)果。 本文主要

2、研究的是識別過程中近年來應(yīng)用較為廣泛的一種分類器；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別問題中表現(xiàn)出了許多特有的優(yōu)勢。但是傳統(tǒng)的SVM存在很多亟待解決的問題；1)SVM核函數(shù)及其參數(shù)的選擇沒有固定的標(biāo)準(zhǔn)；2)SVM只能解決二類樣本問題，無法解決實(shí)際情況中的多類分類問題。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)化過程，

3、采用人工進(jìn)化的方式對目標(biāo)空闖進(jìn)行隨機(jī)化搜索。遺傳算法對求解問題本身一無所知，所需要的僅是對算法產(chǎn)生的每個(gè)個(gè)體進(jìn)行評價(jià)，通過作用于個(gè)體上的基因，尋找更好的個(gè)體來求解問題。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)沒有固定標(biāo)準(zhǔn)的問題。同時(shí)，將SVM用正態(tài)樹形層次集成起來，進(jìn)行多次二類分類，從而達(dá)到多類分類的目的。 漢字識別是用計(jì)算機(jī)自動(dòng)辨識印刷在紙上或人寫在紙上的漢字，學(xué)科上屬于模

4、式識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，越來越多時(shí)候面臨將手寫文字錄入計(jì)算機(jī)系統(tǒng)處理的需要，這就追使手寫字符識別成為一個(gè)亟待解決的問題。 本文結(jié)合遺傳算法和正態(tài)二叉樹改進(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)用在手寫體漢字識別上，開發(fā)出一套手寫體漢字識別系統(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只能二類識別的不足。