基于支持向量机的英文字符识别研究

图像识别是"大数据"时代的热门研究领域之一,而英文字符识别是图像识别领域重要的研究方向.对于手写数据的辨认在移动智能、刑侦、医学、考古学等诸多领域有广泛的应用,同时,国内在该领域的建模探索相对匮乏.文中使用机器学习领域的经典手写字符数据集,基于统计机器学习理论,建立英文字符识别的支持向量机(SVM)模型.鉴于国内外对于参数选择至今没有公认的方法,依据支持向量的个数、训练误差、测试误差作为评价指标,对惩罚参数C的选取进行探索并给出了在字符识别领域的推荐值.实证结果表明,对"变体"英文字母的识别准确率很高,且非常稳健,没有"过拟合"现象,说明支持向量机适用于处理字符识别问题.本质上,相比经典的二分类问题,文中是多分类支持向量机(multi-class classification support vector machine,MCSVM)应用的研究与探索