svm算法手写matlab代码-Handwritten-Digit-Recognition-using-HOG-Features-and-SV

上传者: 38581455 | 上传时间: 2022-09-25 12:17:59 | 文件大小: 29.09MB | 文件类型: ZIP
svm算法手写matlab代码使用HOG功能和SVM的手写数字识别 在这个知识库中,我将提供一个MatLab和一个Python,用于使用HOG功能和SVM进行手写数字识别。 MatLab和Python代码的结构相同,分为三(3)个部分: 步骤1:资料准备步骤2:HOG功能计算步骤3:设置并运行SVM 步骤1:资料准备 在代码的第一部分,加载了MNIST数据集[1]。 数据集与标签一起分为训练集和测试。 训练和测试集中的总位数分别为60000和10000。 标签是十(10)位数字(0到9)。 在MatLab中,每个数字由784个元素的向量表示。 784个元素的向量将在代码中稍后调整大小,以形成28x28像素的图像。 在Python中,由于每个数字均由28x28像素的图像表示,因此跳过了调整大小步骤。 步骤2:HOG功能计算 从每个28x28像素图像中计算出定向梯度直方图(HOG)特征向量[2]。 每个向量由324个元素组成。 整个324个元素的特征向量将在以后用于训练支持向量机(SVM)。 步骤3:设置并运行SVM 支持向量机(SVM)[3]是我在本示例中使用的多类分类器,用于对手写数字

文件下载

资源详情

[{"title":"( 9 个子文件 29.09MB ) svm算法手写matlab代码-Handwritten-Digit-Recognition-using-HOG-Features-and-SV","children":[{"title":"Handwritten-Digit-Recognition-using-HOG-Features-and-SVM-main","children":[{"title":"Train_Labels.mat <span style='color:#111;'> 29.36KB </span>","children":null,"spread":false},{"title":"Test_Labels.mat <span style='color:#111;'> 4.68KB </span>","children":null,"spread":false},{"title":"ConfusionMatrix_Python.jpg <span style='color:#111;'> 88.99KB </span>","children":null,"spread":false},{"title":"Handwritten_Digit_Recognition_with_HOG_Features.m <span style='color:#111;'> 5.50KB </span>","children":null,"spread":false},{"title":"Train_Images.mat <span style='color:#111;'> 25.25MB </span>","children":null,"spread":false},{"title":"ConfusionMatrix_MatLab.jpg <span style='color:#111;'> 50.42KB </span>","children":null,"spread":false},{"title":"Handwritten_Digit_Recognition_with_HOG_Features.py <span style='color:#111;'> 5.06KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.42KB </span>","children":null,"spread":false},{"title":"Test_Images.mat <span style='color:#111;'> 4.20MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明