使用支持向量机进行手写数字识别
摘要：手写数字识别在邮政自动化服务中起着重要作用，特别是在使用多种语言和文字的国家，如印度。离散隐马尔可夫模型（HMM）和神经网络（NN）与HMM的混合方法在手写文字识别系统中很受欢迎。混合系统由于NN的更好的判别能力而提供更好的识别结果。手写识别中的一个主要问题是模式的巨大变异性和扭曲。基于局部观察和动态规划的弹性模型（如HMM）对吸收这种变异性不高效。它们的视野是局部的。但它们无法应对长度的变化，并且对扭曲非常敏感。然后使用支持向量机（SVM）来估计全局相关性并对模式进行分类。支持向量机是神经网络的一种替代方法。在手写识别中，SVM提供了更好的识别结果。本文旨在开发一种利用人工神经网络提高手写识别效率的方法。
作者：Anshuman Sharma
论文ID：1203.3847
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-03-20