基于libsvm的手写字体识别.doc

测试数据掠影：??为了叙说方便，现做如下简称《MATLAB 神经网络30个案例分析》：30cases《MATLAB统计分析与应用：40个案例分析》：40cases《MATLAB高效编程技巧与应用：25个案例分析》：25cases现用libsvm来实现手写字体识别，测试图片用的亦是25cases和40cases中的那手写字体的训练样本和测试样本。主体程序思想为25cases中的代码过程，改进之处为利用libsvm加强工具箱利用GA（或者gridsearch）来实现参数寻优，采用的核函数为RBF核函数。O(∩_∩)O~最终测试集合的分类效果是：Accuracy = 93.3333% (28/30) (classification) 即只有两个被错分Rocwoods测试集合的效果是90%(27/30) 即只有三个被错分谢老师测试集合的效果是93.3333% (28/30) (classification) 即只有两个被错分由于训练集和测试集数目都比较小，以上的结果都是可以接受的。我尝试调整参数将准确率再提高一些，最终作罢，估计在前期的图片预处理上下功夫，才能达到完全的测试集识别。O(∩_∩)O~? ?? ? 附: MATLAB自带的svm实现函数与libsvm差别小议：1 MATLAB自带的svm实现函数仅有的模型是C-SVC(C-support vector classification)； 而libsvm工具箱有C-SVC(C-support vector classification),nu-SVC(nu-support vector classification),one-class SVM(distribution estimation),epsilon-SVR(epsilon-support vector regression),nu-SVR(nu-support vector regression)等多种模型可供使用。2 MATLAB自带的svm实现函数仅支持分类问题，不支持回归问题；而libsvm不仅支持分类问题，亦支持回归问题。3 MATLAB自带的svm实现函数仅支持二分类问题，多分类问题需按照多分类的相应算法编程实现；而libsvm采用1v1算法支持多分类。4 MATLAB自带的svm实现函数采用RBF核函数时无法调节核函数的参数gamma，貌似仅能用默认的；而libsvm可以进行该参数的调节。5 libsvm中的二次规划问题的解决算法是SMO；而MATLAB自带的svm实现函数中二次规划问题的解法有三种可以选择：经典二次方法；SMO；最小二乘。（这个是我目前发现的MATLAB自带的svm实现函数唯一的优点~）? ?? ?? ?在以上的一些对比下，我个人建议目前svm的实现还是使用libsvm（这个应该是目前最好用的svm工具箱），当然MATLAB自带的svm实现函数对于简单问题也可使用，MATLAB自带的svm实现函数可能会在更加新的版本里面进行完善，我也曾尝试用MATLAB自带的svm实现函数来进行重新封装实现libsvm中的所有功能但工作量有些大~测试代码： function CharacterRecognitionLibsvm % Character Recognition based on libsvm % by faruto % Email:patrick.lee@? % QQ:516667408? % /faruto? % last modified 2010.11.05 % % www.mfun.la %%? tic; close all; clear; clc; format compact; %% 载入训练数据 [FileName,PathName,FilterIndex] = uigetfile( ... ? ? {*.jpg;*.bmp},请导入训练图片,*.jpg,MultiSelect,on); if ~FilterIndex ? ? return; end num_train = length(FileName); TrainData = zeros(num_train,16*16); TrainLabel = zeros(num_train,1); for k = 1:num_train ? ? pic = imread([PathName,FileName{k}]); ? ? pic = pic_preprocess(pic); ? ?? ? ? TrainData(k,:) = double(pic(:)); ? ? TrainLabel(k) = str2double(FileName{k}(4)); end %% 建