基于核函数的Fisher手写数字识别系统研究

摘要：

将费歇(Fisher)分类器中的线性函数替换成非线性的高斯核函数,使用MNIST数据集对Fisher分类器进行训练,研究了核函数对分类结果的影响以及将算法应用于手写数字识别.结果表明,替换了高斯核的Fisher分类器,能够有效地区分非线性数据的类别,同时又保持了线性数据的准确率.

关键词：Fisher、核函数、手写数字识别、MNIST、模式识别

所属期刊栏目：16

分类号：TP311(计算技术、计算机技术)

在线出版日期：2020-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：176-179