用于字符和数字识别的若干分类方法的比较研究:实验结果

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：分类问题是机器学习领域中的一个重要问题。给出了数字0-9的图象和26个英文大小写的图象格式的训练数据,对SVM、NB、RT、MLP、BOOST、Knearst 6种分类器的分类性能进行了测试和评估。实验结果表明,性能表现排名前3的分类器为SVM、NB、MLP。SVM具有更好的泛化能力,而NB和MLP对训练集的变化更为敏感;并且基于SVM方法的分类系统对字符和数字的识别精度达到94.2191%,高于现有文献的结果,系统识别性能具有更全和更准确的特点。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：比较研究 数字识别 boost 分类系统 near 机器学习 分类器 数据集 性能比较 识别精度