基于局部二进制和支持向量机的手写体数字识别
针对手写体数字识别中的特征提取问题,在圆形邻域局部二进制模式(LBP)的基础上,将数字的图片分割为四个子区域,分别提取各区域的局部二进制模式(LBP)直方图,然后用LBP直方图训练支持向量机(SVM)模型,再用测试样本对该模型的分类效果进行测试.最后,在实验中还引入当前主流的主成分分析法(PCA)对数据集降维,并以此对比分四区域提取LBP直方图的识别效果.通过对比发现,对手写体数字图片分四区域计算LBP直方图并将其用作识别特征可使数字识别准确率达到95.31%,这一结果接近于使用数据集前90%特征贡献率的主成分分量的识别效果(后者的识别率为96.6%),比直接对整张图片提取的LBP直方图分类识别率高19.51个百分点.
手写体数字识别、局部二进制模式、局部二进制模式直方图、支持向量机、主成分分析法
38
TP183(自动化基础理论)
国家自然科学基金资助项目61174025
2019-01-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
282-285,289