论文部分内容阅读
顺序最小优化(SMO)是支持向量机的一种训练算法,它简单易用,速度快,具有良好的分割训练集的能力.我们从迭代算法方面对SMO算法进行了一些改进,把支持向量机和BP神经网络结合起来,不仅克服了支持向量机识别速度慢的缺点,而且提高了系统的识别率.用从邮局实地采集来的10万手写体数字来训练和测试支持向量机和BP神经网络相结合的系统,拒识率小于4﹪,误识率小于0.1﹪.