基于SVM的数字识别系统设计  

作　　者：黄贻望 雷彪 HUANG Yiwang;LEI Biao

机构地区：[1]铜仁学院大数据学院,贵州铜仁554300

出　　处：《信息技术与信息化》2022年第12期52-57,共6页Information Technology and Informatization

基　　金：国家自然科学基金项目(62066040)。

摘　　要：日常生活中我们要面对着各种各样的数据,如今人们对数字的处理效率已经远远不够,支持向量机(support vector machine,SVM)作为机器学习领域中重要的分类模型算法,可用来帮助人们在日常工作中的数字识别,对于提高工作效率很有帮助。基于此,设计了基于SVM的数字识别系统。首先介绍了支持向量机数字识别算法,完成了数字识别系统的设计开发;其次测试了不同的核函数和惩罚系数下MNIST数据集的识别精度,最终得出在惩罚系数取值大于1,gamma值取0.002时支持向量机算法对训练集预测正确率为100%,测试集识别率为98.55%。

关 键 词：手写数字识别 支持向量机 核函数 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP311.52[自动化与计算机技术—控制科学与工程]