基于PCA和PSO-SVM的手写数字识别应用研究

• 作者: 张校非 白艳萍 郝岩
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 主成分分析 粒子群算法 支持向量机 手写数字识别
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 信息·计算机
• 页码范围: 140-144
• 页数: 5页
• 分类号: TP39
• 字数: 2205字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2017.07.022

摘要

针对当前手写数字识别正确率较低这一不足,提出了一种主成分分析(PCA)和粒子群算法优化支持向量机(PSO-SVM)的手写数字识别方法.首先,利用PCA降低输入数据的维数,然后把降维的数据作为SVM的输入,用PSO不断优化SVM中的核函数参数g和惩罚因子c,以提高分类精度.实验结果表明:同传统的SVM、GA-SVM、网格搜索算法、卷积神经网络(CNN)相比,PSO-SVM方法分类方法具有最高的识别准确率且运算效率也较高,达98.2％,性能上优于其他几种分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白艳萍	中北大学理学院	124	639	13.0	19.0
2	郝岩	中北大学理学院	7	39	4.0	6.0
3	张校非	中北大学理学院	6	40	4.0	6.0