实验报告——使用SVM实现手写数字识别

实验1 使用SVM实现手写数字识别

【实验目的】

支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

通过本实验让学生掌握SVM的原理和实现算法，将其应用到手写数字识别。

【实验条件】

1. 学生自备可运行python或Matlab的电脑。推荐使用Visual Studio Community 2019并使用python进行开发。
2. 学生自行搜索下载手写数字的MNIST数据集。

【实验要求】

1. 理解SVM原理，能对其中关键概念进行阐述和解释，包括但不限于拉普拉斯对偶、KKT条件、核函数、SMO等。学生应自行研究教材和参考资料。
2. 编写程序，通过SVM完成MNIST数据集的手写数字识别。建议先实现Iris数据集的二分类，以验证SVM算法。
3. 编写程序，对已经实现的SVM手写数字识别进行精度检测，对结果进行分析。
4. 准备PPT，完成不超过3分钟的报告，讲解自己在研究过程中的心得体会，并回答老师和同学的提问。通过答辩来证明确系自行完成且掌握。
5. 编写实验报告，其要求为：
   1. 使用指定的模板，提交PDF格式的文件；
   2. 实验原理：阐述该实验所涉及的原理，综述其他人的工作
   3. 实验步骤：阐述自己的实现过程，包括程序结构、算法设计、实验记录等，尽量使用图和表提升可读性
   4. 实验分析：对实验的结果进行分析，得出一定的结论
   5. 附录 源代码：将自己的源代码整理好复制到此处，并恰当排版，建议使用等宽字体（比如Consolas）

实验报告链接如下（附源码,有数据集即可运行）：

 实验报告——SVM手写数字识别实现-机器学习文档类资源-CSDN下载实验报告——SVM手写数字识别实现更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/weixin_45974595/77388215