SVM手写数字识别

最新推荐文章于 2024-07-08 20:36:50 发布

dearwsj_0_0

最新推荐文章于 2024-07-08 20:36:50 发布

阅读量1.1k

点赞数

本文链接：https://blog.youkuaiyun.com/dearwsj_0_0/article/details/53730936

版权

本文通过SVM对手写数字进行识别，详细介绍了流程，包括数据收集、准备、分析，以及训练过程，使用了线性分类器、二次多项式核函数和径向基核函数。实验结果显示，不同参数对分类效果有很大影响，支持向量的数量并不直接影响训练错误率，且线性核函数在某些场景下表现良好。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 流程

收集数据：此处使用给定的文本文件
准备数据：基于二值图像构造数据
分析数据：对图像向量进行目测
训练算法：采用三种不同的方法，不同的参数
1. 线性分类器
2. 二次多项式核函数
3. 径向基核函数
测试并计算错误率

2. 实验

本实验使用的训练数据如下图所示，为若干个手写的 0 和 9 的数字图像。

这里写图片描述

本实验使用的测试数据如下图所示，为若干个手写的 0 和 9 的数字图像。

这里写图片描述

实验的主函数如下所示：

% 功能：演示 Kernel SVM算法
% 时间：2015-07-13

clc
clear all
close all

addpath('./data');

%% 测试样本
dataLength = 2;
[xTrain1, yTrain1, xTrain2, yTrain2] = readDataFromFiles('./data/trainingDigits');
[xTest1, yTest1, xTest2, yTest2] = readDataFromFiles('./data/testDigits');

% 合并样本
X = [xTrain1, xTrain2];       
Y = [yTrain1, yTrain2];      

% 打乱样本顺序
index = randperm(size(X, 2));
X(:, index) = X;
Y(:, index) = Y;

%% Kernel SVM 训练
kernelType = 'liner';
[alpha, b] = kernelSvmTrainMine(X, Y, kernelType);

%% 提取 SV
epsilon = 1e-5; 
indexSV = find(alpha > epsilon);

%% 测试输出
yTestResult1 = sign(sum(bsxfun(@times, alpha(indexSV) .* Y(indexSV)', kernel(X(:, indexSV), xTest1, kernelType))) + b);
yTestResult2 = sign(sum(bsxfun(@times, alpha(indexSV) .* Y(indexSV)', kernel(X(:, indexSV), xTest2, kernelType))) + b);

sum(yTestResult1 ~= yTest1)
sum(yTestResult2 ~= yTest2)
 
 
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37
 
 
 
 
  
  
  
 
 
 
 
 
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37