function Chapter_CharacterRecognitionUsingLibsvm
%% Matlab神经网络43个案例分析
% 基于SVM的手写字体识别
% by 李洋(faruto)
% http://www.matlabsky.com
% Email:faruto@163.com
% http://weibo.com/faruto
% http://blog.sina.com.cn/faruto
% 2013.01.01
%% A Little Clean Work
close all;
clear;
clc;
format compact;
%% 载入训练数据
% 利用uigetfile函数交互式选取训练样本
[FileName,PathName,FilterIndex] = uigetfile( ...
{'*.jpg';'*.bmp'},'请导入训练图片','*.jpg','MultiSelect','on');
if ~FilterIndex
return;
end
num_train = length(FileName);
TrainData = zeros(num_train,16*16);
TrainLabel = zeros(num_train,1);
for k = 1:num_train
pic = imread([PathName,FileName{k}]);
pic = pic_preprocess(pic);
% 将标准化图像按列拉成一个向量并转置,生成50*256的训练样本矩阵
TrainData(k,:) = double(pic(:)');
% 样本标签为样本所对应的数字
TrainLabel(k) = str2double(FileName{k}(4));
end
%% 建立支持向量机
% [bestCVaccuracy,bestc,bestg] = ...
% SVMcgForClass(TrainLabel,TrainData,-8,8,-8,8,10,0.8,0.8,4.5)
% 设置GA相关参数
ga_option.maxgen = 100;
ga_option.sizepop = 20;
ga_option.cbound = [0,100];
ga_option.gbound = [0,100];
ga_option.v = 10;
ga_option.ggap = 0.9;
[bestCVaccuracy,bestc,bestg] = ...
gaSVMcgForClass(TrainLabel,TrainData,ga_option)
% 训练
cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg)];
model = svmtrain(TrainLabel, TrainData, cmd);
% 在训练集上查看识别能力
preTrainLabel = svmpredict(TrainLabel, TrainData, model);
%% 载入测试样本
[FileName,PathName,FilterIndex] = uigetfile( ...
{'*.jpg';'*.bmp'},'请导入测试图片','*.bmp','MultiSelect','on');
if ~FilterIndex
return;
end
num_train = length(FileName);
TestData = zeros(num_train,16*16);
TestLabel = zeros(num_train,1);
for k = 1:num_train
pic = imread([PathName,FileName{k}]);
pic = pic_preprocess(pic);
TestData(k,:) = double(pic(:)');
TestLabel(k) = str2double(FileName{k}(4));
end
%% 对测试样本进行分类
preTestLabel = svmpredict(TestLabel, TestData, model);
assignin('base','TestLabel',TestLabel);
assignin('base','preTestLabel',preTestLabel);
TestLabel'
preTestLabel'
%% sub function of pre-processing pic
function pic_preprocess = pic_preprocess(pic)
% 图片预处理子函数
% 图像反色处理
pic = 255-pic;
% 设定阈值,将反色图像转成二值图像
pic = im2bw(pic,0.4);
% 查找数字上所有像素点的行标y和列标x
[y,x] = find(pic == 1);
% 截取包含完整数字的最小区域
pic_preprocess = pic(min(y):max(y), min(x):max(x));
% 将截取的包含完整数字的最小区域图像转成16*16的标准化图像
pic_preprocess = imresize(pic_preprocess,[16,16]);
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
23.MATLAB神经网络43个案例分析 基于SVM的手写字体识别.zip (85个子文件)
chapter19
pic_preprocess.m 452B
手写数字测试样本图片
num3_2.bmp 7KB
num0_1.bmp 7KB
num3_3.bmp 7KB
num4_3.bmp 7KB
num2_1.bmp 7KB
num6_3.bmp 7KB
num8_2.bmp 7KB
num1_3.bmp 7KB
num7_2.bmp 7KB
num0_2.bmp 7KB
num1_1.bmp 7KB
num5_2.bmp 7KB
num7_3.bmp 7KB
num2_3.bmp 7KB
num4_2.bmp 7KB
num9_3.bmp 7KB
num9_1.bmp 7KB
num0_3.bmp 7KB
num3_1.bmp 7KB
num8_1.bmp 7KB
num2_2.bmp 7KB
num6_1.bmp 7KB
num4_1.bmp 7KB
num6_2.bmp 7KB
num1_2.bmp 7KB
num9_2.bmp 7KB
num5_3.bmp 7KB
num8_3.bmp 7KB
num7_1.bmp 7KB
num5_1.bmp 7KB
html
Chapter_CharacterRecognitionUsingLibsvm.html 14KB
Chapter_CharacterRecognitionUsingLibsvm.png 5KB
Chapter_CharacterRecognitionUsingLibsvm_01.png 11KB
手写数字训练样本图片
num7_4.jpg 1KB
num8_3.jpg 1KB
num2_4.jpg 1KB
num2_1.jpg 1KB
num4_4.jpg 1KB
num6_2.jpg 1KB
num9_5.jpg 1KB
num2_3.jpg 1KB
num9_3.jpg 1KB
num8_2.jpg 1KB
num0_5.jpg 1KB
num6_3.jpg 1KB
num4_5.jpg 1KB
num9_4.jpg 1KB
num5_3.jpg 1KB
num4_2.jpg 1KB
num6_1.jpg 1KB
num5_4.jpg 1KB
num1_3.jpg 1006B
num7_1.jpg 1KB
num8_4.jpg 1KB
num1_1.jpg 931B
num7_3.jpg 1KB
num0_1.jpg 1KB
num0_3.jpg 1KB
num3_2.jpg 1KB
num5_1.jpg 1KB
num9_1.jpg 1KB
num8_5.jpg 1KB
num3_1.jpg 1KB
num0_2.jpg 1KB
num9_2.jpg 1KB
num6_5.jpg 1KB
num7_2.jpg 1KB
num6_4.jpg 1KB
num5_2.jpg 1KB
num3_5.jpg 1KB
num1_4.jpg 921B
num0_4.jpg 1KB
num4_3.jpg 1KB
num3_3.jpg 1KB
num1_5.jpg 1KB
num5_5.jpg 1KB
num2_2.jpg 1KB
num8_1.jpg 1KB
num7_5.jpg 1KB
num2_5.jpg 1KB
num1_2.jpg 841B
num3_4.jpg 1KB
num4_1.jpg 1KB
Chapter_CharacterRecognitionUsingLibsvm.m 3KB
共 85 条
- 1
资源评论
Java徐师兄
- 粉丝: 1044
- 资源: 1981
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功