《 机 器 视 觉 》
实
验
报
告
学号: 2018213106
姓名: 刘嘉伟
班级: 计算机创新实验 18-1 班
实验三
一、 实验目的
实现一种图像识别算法,并对算法所能达到的效果进行分析。
二、 实验内容
基于 SVM 的手写体数字识别的实现
三、 算法原理
支持向量机分类算法最初只用于解决二分类问题,缺乏处理多分类问题的能力。
后来随着需求的变化,需要 svm 处理多分类分为。目前构造多分类支持向量机分类
器的方法主要有两类: 一类是“同时考虑所有分类”方法,另一类是组合二分类器解
诀多分类问题。
第一类方法主要思想是在优化公式的同时考虑所有的类别数据,J.Weston 和
C.Watkins 提出的“K-Class 多分类算法”就属于这一类方法。该算法在经典的 SVM
理论的基础上,重新构造多类分类型,同时考虑多个类别,然后将问题也转化为-个解
决二次规划(Quadratic Programming,简称 QP)问题,从而实现多分类。该算法由于涉
及到的变量繁多,选取的目标函数复杂,实现起来比较困难,计算复杂度高。
第二类方法的基本思想是通过组合多个二分类器实现对多分类器的构造,常见
的构造方法有“一对一”(one-against-one)和“一对其余”(one-against-the rest 两种。
其中“一对一”方法需要对 n 类训练数据两两组合,构建 n(n- 1)/2 个支持向量机,
每个支持向量机训练两种不同类别的数据,最后分类的时候采取“投票”的方式决定
分类结果。“一对其余”方法对 n 分类问题构建 n 个支持向量机,每个支持向量机负