计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2003年
24期
72-73
,共2页
SVM RBF核 模型选择 ANN 字符识别
SVM RBF覈 模型選擇 ANN 字符識彆
SVM RBF핵 모형선택 ANN 자부식별
使用RBF核的SVM(支持向量机)被广泛应用于模式识别中.此类SVM的模型选择取决于两个参数,其一是惩罚因子C,其二是核参数σ2.该文使用了网格搜索和双线性搜索两种方法进行参数选择,并将两者的优点综合,应用于脱机手写体英文字符识别.实验在NIST数据集上进行了验证,对搜索效率和推广识别率进行了比较.实验结果还表明使用最优参数的SVM在识别率上比使用ANN(人工神经元网络)的分类器有较大提高.
使用RBF覈的SVM(支持嚮量機)被廣汎應用于模式識彆中.此類SVM的模型選擇取決于兩箇參數,其一是懲罰因子C,其二是覈參數σ2.該文使用瞭網格搜索和雙線性搜索兩種方法進行參數選擇,併將兩者的優點綜閤,應用于脫機手寫體英文字符識彆.實驗在NIST數據集上進行瞭驗證,對搜索效率和推廣識彆率進行瞭比較.實驗結果還錶明使用最優參數的SVM在識彆率上比使用ANN(人工神經元網絡)的分類器有較大提高.
사용RBF핵적SVM(지지향량궤)피엄범응용우모식식별중.차류SVM적모형선택취결우량개삼수,기일시징벌인자C,기이시핵삼수σ2.해문사용료망격수색화쌍선성수색량충방법진행삼수선택,병장량자적우점종합,응용우탈궤수사체영문자부식별.실험재NIST수거집상진행료험증,대수색효솔화추엄식별솔진행료비교.실험결과환표명사용최우삼수적SVM재식별솔상비사용ANN(인공신경원망락)적분류기유교대제고.