一種改進的支持向量機在手寫體漢字識別中的研究與應用.pdf

1、模式識別是一釋人工智能信息處理技術，在近年來廣泛應用于文字、指紋和遙感圖像識別等領域。模式識別大致分為三個過程；預處理、特征提取、識別。預處理完成的是前期工作，對獲取的待識別圖像進行二值化、平滑、細化等圖像規(guī)范化操作使得更易進行下步的識別操作。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點或一個特征矢量提取出來。識別完成最后的分類，這個過程將前面提取出來的特征矢量用分類器進行分類，通過決策函數得到最后的分類結果。 本文主要

2、研究的是識別過程中近年來應用較為廣泛的一種分類器；支持向量機(SVM)。支持向量機是在統(tǒng)計學習理論的基礎上發(fā)展而來的一種機器學習方法，在解決小樣本、菲線性及高維模式識別問題中表現出了許多特有的優(yōu)勢。但是傳統(tǒng)的SVM存在很多亟待解決的問題；1)SVM核函數及其參數的選擇沒有固定的標準；2)SVM只能解決二類樣本問題，無法解決實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，模擬自然界生物進化過程，

3、采用人工進化的方式對目標空闖進行隨機化搜索。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生的每個個體進行評價，通過作用于個體上的基因，尋找更好的個體來求解問題。遺傳算法這種進化搜索的優(yōu)點，能在多代搜索孛尋求最適合的SVM核函數參數，較好的解決了SVM參數沒有固定標準的問題。同時，將SVM用正態(tài)樹形層次集成起來，進行多次二類分類，從而達到多類分類的目的。 漢字識別是用計算機自動辨識印刷在紙上或人寫在紙上的漢字，學科上屬于模

4、式識別和人工智能的范疇。在當今信息發(fā)展一日千里的時代，越來越多時候面臨將手寫文字錄入計算機系統(tǒng)處理的需要，這就追使手寫字符識別成為一個亟待解決的問題。 本文結合遺傳算法和正態(tài)二叉樹改進支持向量機構成GA-SVMs，將這種改進的支持向量機應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，同時改進了傳統(tǒng)SVM只能二類識別的不足。