光学字符识别(OCR)是指将纸上的文字转化为计算机所能处理的形式(如ASCII码)的过程。手写体字符识别是光学字符识别的一个分支,手写体字符识别在邮政信件分拣、银行票据的自动处理、手机和掌上电脑的输入等领域有着巨大的作用。由于手写体字符的随意性,使其识别难度大于印刷体字符。而诞生于上世纪九十年代的支持向量机是一种基于小样本的新的统计学习方法,在许多方面(包括字符识别),都取得了优秀的效果。但是,传统的支持向量机训练算法在时间复杂度上面的表现不尽如人意,如果训练样本的数量过大,消耗的训练时间和存储空间会急剧增大。针对这种情况,本文提出一种改进算法,即尽量选择那些有可能成为支持向量的训练样本来具有针对性地加以训练,从而可以减少时间与空间的消耗。 本文主要做了以下工作: 1 由于核函数的存在,使得训练样本之间的距离在由输入空间到特征空间的映射之中产生了变化。为此,本文分析了训练样本之间的距离在输入空间与特征空间的联系。 2 本文针对不同的核函数,探讨并证明了训练样本在输入空间和特征空间的两个空间的距离之间的联系,并在此基础之上,提出一种基于KNN(K Nearest Neighbors)属性的训练样本选择方法,通过减少参加训练的样本数来减少训练所需要的时间。本文探讨了算法所选择的样本数。由于选择的样本数要小于原训练样本集而包含的支持向量却与原样本集相当,从而在减少训练时间的同时保持了分类正确率。 3 在MNIST和UCI的数据库上对本算法与SMO算法进行了对比实验,得到的结果是在辨识正确率基本不变的情况下,消耗的时间大量减少。