SVM对手写数字的识别

最新推荐文章于 2024-05-20 11:33:59 发布

stock石头

最新推荐文章于 2024-05-20 11:33:59 发布

阅读量4k

点赞数 2

文章标签： SVM 手写数字识别 MATLAB

本文链接：https://blog.csdn.net/yinhuayileng/article/details/47357777

版权

其实就一个图像特征的提取（一种较简单的方法是将图像分成n*n的区域，统计每块区域中像素点所占的百分比），和SVM中参数的选择（上一篇文章）。不多说，上一波代码（Matlab）。运行有点久，因为参数选择很耗时间（相当于运行了100次），如果不需要参数选择，可以采用默认参数就好。每一次对应参数的分类准确率保存在R_train和R_test中。

clc
clear
%载入数据。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
size_pic = 6;
% 利用uigetfile函数交互式选取训练样本
[FileName,PathName,FilterIndex] = uigetfile( ...
    {'*.jpg';'*.bmp'},'请导入训练图片','*.png','MultiSelect','on');
if ~FilterIndex
    return;
end
num_train = length(FileName);
TrainData = zeros(num_train,size_pic*size_pic);
TrainLabel = zeros(num_train,1);
for k = 1:num_train
    pic = imread([PathName,FileName{k}]);
    pic = pick_feature(pic);%提取图像特征
    % 将标准化图像按列拉成一个向量并转置，生成6*6的训练样本矩阵
    TrainData(k,:) = double(pic(:)');
    % 样本标签为样本所对应的数字
    TrainLabel(k) = str2double(FileName{k}(1