基于SVM和sigmoid函數(shù)的字符識(shí)別自適應(yīng)學(xué)習(xí)算法

• 　　手寫(xiě)字符的一個(gè)突出特點(diǎn)就是模式具有較大的變化性，表現(xiàn)為模式空間的類(lèi)內(nèi)分布過(guò)于分散，類(lèi)間交疊嚴(yán)重，這使得識(shí)別模型無(wú)法“恰當(dāng)”地?cái)M合每類(lèi)模式的數(shù)據(jù)分布或類(lèi)別之間的判別面。在識(shí)別模型過(guò)程中，通過(guò)自適應(yīng)學(xué)習(xí)就能較好地?cái)M合特定書(shū)寫(xiě)者筆跡特征向量的空間分布，從而有利于識(shí)別率的提高。當(dāng)然，自適應(yīng)學(xué)習(xí)的結(jié)果只是提高了對(duì)特定書(shū)寫(xiě)者的識(shí)別率，但通過(guò)為不同人的筆跡特征向量提供不同的識(shí)別模型，就能夠從總體上提高系統(tǒng)的識(shí)別率。 　　任何一種自適應(yīng)學(xué)習(xí)算法都基于一定的識(shí)別方法。從目前已有的文獻(xiàn)來(lái)看，大致
• 關(guān)鍵字： SVM  sigmoid