用于字符和数字识别的若干分类方法的比较研究:实验结果

分类问题是机器学习领域中的一个重要问题。给出了数字0-9的图象和26个英文大小写的图象格式的训练数据,对svm、nb、rt、mlp、boost、knearst6种分类器的分类性能进行了测试和评估。实验结果表明,性能表现排名前3的分类器为svm、nb、mlp。svm具有更好的泛化能力,而nb和mlp对训练集的变化更为敏感；并且基于svm方法的分类系统对字符和数字的识别精度达到94.2191%,高于现有文献的结果,系统识别性能具有更全和更准确的特点。