基于改进的支持向量机和BP神经网络的识别算法

【作者】 许建生； 盛立东；

【机构】 北京邮电大学信息工程学院；

【摘要】 顺序最小优化(SMO)是支持向量机的一种训练算法,它简单易用,速度快,具有良好的分割训练集的能力。我们从迭代算法方面对SMO算法进行了一些改进,把支持向量机和BP神经网络结合起来,不仅克服了支持向量机识别速度慢的缺点,而且提高了系统的识别率。用从邮局实地采集来的10万手写体数字来训练和测试支持向量机和BP神经网络相结合的系统,拒识率小于4%,误识率小于0.1%。更多还原

【Abstract】 SMO is a new pattern classification method, which becomes more andmore popular in recent years. We make some improvements on iteration algorithm and design a hybrid classifier using SVM and BP neural network to recognize handwritten digits. This method not only overcomes the SVM shortcomings of low testing speed but also increases the recognition rate of single BP neural network Classifier. In the experiments, we use 100,000 handwritten digits collected from post office to train and test the hybrid classifier and achieve rejection rate less than 4%, error rate less than 0. 1%.更多还原