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
基于 SVM 的成对分类法对于手写数字识别问题的探究
引言
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的
和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过
程
[1]
。在对数据样本进行分类时,常见的方法是对样本先进行“降维”处理,然后再进行“分
类”。特征提取技术广泛应用于数据的降维处理;而分类则一般是在特征空间中使用某种决
策方法将被识别的不同对象归为不同的几类。
目前,常见的数据分类方法主要有最小距离法、线性判别法、决策树分类法、核
Fisher 判别分类法、神经网络法,KNN 和 SVM 等
[2]
。SVM 是由 Vapnik 于 1995 年在其发表
的论文“The nature ofstatistical learning theory”中提出的,针对分类和回归问题的统计学习理
论,是在高纬特征空间使用线性函数假设空间的学习系统
[3]
。近年来,其理论研究和算法
实现方面都取得了突破性进展,开始成为克服维数灾难和过学习等传统困难的有力手段。
由于 SVM 方法具有许多隐忍瞩目的优点和前途的实验性能,越来越受重视。
传统 SVM 是针对两类分类问题,而实际问题大多是多分类的。如何有效解决多分类
问题,是近几年研究的重点之一。现常见的 SVM 解决多类分类问题的方法有一对一
SVM(one-against-one),一对多 SVM(one-against-all),多对多 SVM(all-against-all)还
有有向无环图(Directed Acyclic Graph,DAG)等。
本文主要内容就是实现一对一 SVM 的手写数字识别,验证一对一 SVM(成对分类
法)用于手写数字识别的相关性质,及针对具体数据库,在识别精度、训练时间和测试时
间方面对常见的几种多类分类方法进行对比。
SVM 的相关研究
2.1 支持向量机
假设有训练样本
其中代表在二维平面上的点,是类别标号 , 类用+1 表示,用-1 表示。那么我们可以在
xoy 平面上将这些点一一标出,并在这个平面里,存在一条直线
(
1)
可以将这 N 个样本分开,即存在使
(2)
(3)
此时假设空间为
则对进行如下约束:
分类的目的在于求解出来分离这两类的 点,而显然,这样的解不止一个,所以
我们要求选取这样的直线:1.训练样本可误差的划分;2.每一个点与直线距离最近的向量与
直线的距离最大。
下面对(2),(3)进行归一化得:
据此可作图如下:
剩余14页未读,继续阅读
资源评论
zcmlimi
- 粉丝: 40
- 资源: 3
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