支持向量机动态学习方法及其在票据识别中的应用  

A dynamical learning method with SVM and its application on bank slip recognition

作　　者：陈增照[1] 杨扬[1] 董才林[2] 何秀玲[1] 

机构地区：[1]北京科技大学信息工程学院,北京1000832 [2]华中师范大学最优控制与离散数学重点实验室,武汉430079

出　　处：《北京科技大学学报》2006年第2期199-202,共4页Journal of University of Science and Technology Beijing

基　　金：湖北省科技攻关计划(No.2003BDST004)

摘　　要：介绍了用支持向量机(SVM)进行动态学习训练的方法．解决了在机器学习过程中,训练样本获取比较困难,样本可随外界条件改变而变化的问题．实践证明,使用该方法可以动态跟踪样本的变化,保证 SVM 分类器的最优性能．利用该方法设计的银行票据 OCR 系统的实际应用说明了该方法的有效性．This paper introduces a dynamical learning method using support vector machine （SVM）. This method can solve such machine learning problems as the difficulties in gathering training samples and the change of samples with outer environment. It is proved that SVM classifiers can achieve optimal performance after using this method in tracking the change of samples. A bank slip OCR system designed by this method proves the validity.

关 键 词：支持向量机 动态学习 机器学习 手写字符识别 票据识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术] TP181[自动化与计算机技术—计算机科学与技术]