svm手写数字识别matlab

以下是一个基于支持向量机（SVM）的手写数字识别的MATLAB示例代码：

1. 加载MNIST数据集

首先，我们需要加载MNIST数据集，包括训练样本和测试样本。MNIST数据集是一个流行的手写数字识别数据集，其中包含60,000个训练样本和10,000个测试样本，每个样本都是一个28x28像素的图像。

% Load MNIST dataset
[Xtrain, Ytrain, Xtest, Ytest] = loadMNIST();

2. 特征提取

我们将使用特征提取来将28x28像素的图像转换为向量形式，以便可以将其输入到SVM分类器中。在这个例子中，我们将使用方向梯度直方图（HOG）特征，这是一种常用的图像特征提取方法。

% Extract HOG features
cellSize = 4;
hogFeatureSize = 1764;
XtrainFeat = extractHOGFeatures(Xtrain, cellSize, hogFeatureSize);
XtestFeat = extractHOGFeatures(Xtest, cellSize, hogFeatureSize);

3. 训练SVM分类器

接下来，我们使用MATLAB的fitcsvm函数来训练一个SVM分类器。我们将使用线性核函数并设置正则化参数C为1。

% Train SVM classifier
svmModel = fitcsvm(XtrainFeat, Ytrain, 'KernelFunction', 'linear', 'BoxConstraint', 1);

4. 测试SVM分类器

现在，我们可以使用训练好的SVM分类器来对测试样本进行分类，并计算分类准确率。

% Test SVM classifier
Ypred = predict(svmModel, XtestFeat);
accuracy = mean(Ypred == Ytest);
fprintf('SVM classification accuracy: %0.2f%%\n', accuracy * 100);

完整代码：

% Load MNIST dataset
[Xtrain, Ytrain, Xtest, Ytest] = loadMNIST();

% Extract HOG features
cellSize = 4;
hogFeatureSize = 1764;
XtrainFeat = extractHOGFeatures(Xtrain, cellSize, hogFeatureSize);
XtestFeat = extractHOGFeatures(Xtest, cellSize, hogFeatureSize);

% Train SVM classifier
svmModel = fitcsvm(XtrainFeat, Ytrain, 'KernelFunction', 'linear', 'BoxConstraint', 1);

% Test SVM classifier
Ypred = predict(svmModel, XtestFeat);
accuracy = mean(Ypred == Ytest);
fprintf('SVM classification accuracy: %0.2f%%\n', accuracy * 100);

% Function to load MNIST dataset
function [Xtrain, Ytrain, Xtest, Ytest] = loadMNIST()
    % Load training data
    Xtrain = loadMNISTImages('train-images.idx3-ubyte');
    Ytrain = loadMNISTLabels('train-labels.idx1-ubyte');
    % Load test data
    Xtest = loadMNISTImages('t10k-images.idx3-ubyte');
    Ytest = loadMNISTLabels('t10k-labels.idx1-ubyte');
end

% Function to extract HOG features
function features = extractHOGFeatures(images, cellSize, hogFeatureSize)
    nImages = size(images, 2);
    features = zeros(hogFeatureSize, nImages);
    for i = 1:nImages
        img = reshape(images(:, i), 28, 28);
        hog = extractHOGFeatures(img, 'CellSize', [cellSize cellSize]);
        features(:, i) = hog(:);
    end
end

这个例子使用了MATLAB的Computer Vision Toolbox中的loadMNISTImages、loadMNISTLabels和extractHOGFeatures函数。如果您没有安装这个工具箱，您需要先安装它。