基于SVM和sigmoid函数的字符识别自适应学习算法
时间:12-02
来源:互联网
点击:
长η对识别率也有一定程度的影响,步长为0.1的识别率要高于步长为0.2的识别率。
![](../img/eep/emb/emb-48342a14fdih00k4.jpg)
本文基于SVM和sigmoid函数,提出了一种字符识别自适应学习算法。本算法相对于基于HMMs,ANNs,PDNNs,模板匹配,子空间法等识别方法的自适应学习算法,是一种新的自适应学习算法,具有推广能力好和模型一致性好等特点。今后的研究方向在于设计能够更好地适应自适应学习数据的参数A、B的自适应学习算法,寻求更合适的拟台距离类别后验概率分布的函数及判别函数本身的参数W、b的自适应学习算法。
- 斯坦福机器学习公开课笔记8- 核技法、软间隔分类器、SMO算法(03-28)
- 基于SVM不对称六相永磁电机控制系统的设计方案(12-13)
- 解析独立成分分析车标识别的原理与方法(11-21)
- Windows CE 进程、线程和内存管理(11-09)
- RedHatLinux新手入门教程(5)(11-12)
- uClinux介绍(11-09)