基于改进的支持向量机和BP神经网络的识别算法

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﹪.

关键词： 支持向量机 顺序最小优化 BP神经网络 手写体数字识别系统

作者: 许建生 盛立东

作者单位: 北京邮电大学信息工程学院(北京)

会议类型: 国内会议

会议名称: 第八届全国汉字识别学术会议

会议地点: 绍兴

会议语种:中文

页码: 81-86

在线出版日期: 2003-01-01（万方平台首次上网日期，不代表论文的发表时间）