论文部分内容阅读
支持向量机(SVM)是一种二分类模型,通过在给定的特征空间中找到两个类别的数据样本之间的最大间隔超平面,可以使任何两个类别线性地分离。该文提出了不同核函数的SVM的分类模型,用于识别不同类型的手写识别数字图案。在此模型中,使用Sklearn模块中现有结构作为训练的特征提取器,而核函数SVM的执行作为识别器,该模型自动从原始手写数字集图像中提取特征并生成预测,通过MNIST数字数据库进行了验证,并经多个核函数和惩罚系数的调整、拟合得到了较高的预测分类准确率,最终呈现的预测结果准确率达98.3%。