基于SVM的手写数字识别

题目  基于SVM的手写数字识别

1．1 题目的主要研究内容

1. 工作的主要描述

本文设计了基于SVM的手写数字识别系统。首先将图片进行预处理，然后建立支持向量机，最后对测试样本进行测试，识别出手写数字。

（2）系统流程图

1．2 题目研究的工作基础或实验条件

1. 硬件环境：

主机：Intel(R) Core(TM) i7-8550U CPU @ 1.80GHz   1.99 GHz

操作环境：Windows10

（2）软件环境：

MATLAB

1．3 数据集描述

选取的训练样本为50幅手写体数字，每个数字均有5幅图片，每幅图片大小为50×50像素，如图所示；

另外选取30幅手写体数字图片作为测试样本，每个数字有3幅测试图片，每幅图片大小为50×50像素，如图所示；

1．4 特征提取过程描述

由于图片中数字的大小和位置不尽相同，为了消除这些影响，首先对每幅图片做标准化预处理：把每幅图片做反色处理，并转为二值图像，然后截取二值图像中包含数字的最大区域，最后将截取到的区域转化为标准的16×16像素的图像。因此数字上的像素点灰度值为1，背景像素点灰度值也为0，也就是说标准处理后的图像为黑底白字的图像。黑白图的分辨率换成16×16以后，那么就可以用256个二进制数字存储一幅图，256个数组成一个数组来输入给软件来进行处理。

1．5 分类过程描述

支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。通过SVM工具箱中svmpredict函数进行分类。preTestLabel = svmpredict(TestLabel, TestData, model)。TestLabel表示测试集的标签，TestData表示测试集的数据，model是上面训练得到的模型。

1．6 主要程序代码