基于SVM的数字识别系统设计
黄贻望
雷彪
铜仁学院大数据学院 贵州铜仁 554300
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
资助基金：国家自然科学基金(62066040)
论文发表日期：2022-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 52-57 )