create_ocr_class_svm（算子）

create_ocr_class_svm - 使用支持隨機向量機制創建OCR分類器。

create_ocr_class_svm（:: WidthCharacter，HeightCharacter，Interpolation，Features，Characters，KernelType，KernelParam，Nu，Mode，Preprocessing，NumComponents：OCRHandle）

描述

create_ocr_class_svm創建一個使用支持隨機向量機制（SVM）的OCR分類器。 OCR分類器的句柄在OCRHandle中返回。

有關SVM如何工作的說明，請參閱create_class_svm。 create_ocr_class_svm使用Mode給出的分類模式創建SVM以進行分類。 SVM的特征向量的長度（create_class_svm中的NumFeatures）由用于OCR的特征確定，這些特征在特征中傳遞。這些功能如下所述。在create_class_svm中使用KernelType，KernelParam和Nu對內核進行參數化。 SVM的類的數量（create_class_svm中的NumClasses）是根據要在OCR中使用的字符的名稱確定的，這些字符在字符中傳遞。如create_class_svm所述，參數Preprocessing和NumComponents可用于指定數據的預處理（即，特征向量）。為了數值穩定性，通常可以將預處理設置為“標準化”。為了加快分類時間，可以使用’principal_components’或’canonical_variates’，因為可以顯著減少輸入特征的數量而不會降低識別率。

用于分類的特征由特征確定。功能可以包含一個功能名稱元組。這些特征名稱中的每一個導致為分類器計算一個或多個特征。一些特征名稱計算灰度值特征（例如，‘pixel_invar’）。由于分類器需要恒定數量的特征（輸入變量），因此要分類的字符將轉換為標準大小，該大小由WidthCharacter和HeightCharacter確定。用于變換的插值由插值確定。它與affine_trans_image中的含義相同。應該選擇插值，使得在變換中不會出現混疊效應。對于大多數應用，應使用Interpolation =‘constant’。應該注意的是，變換后的字符的大小不會選擇得太大，因為分類器的泛化屬性可能對大尺寸變壞。特別地，對于大尺寸，如果使用灰度值特征，則小的分割誤差將對計算的特征具有大的影響。這是因為分割錯誤將改變區域的最小包圍矩形，因此角色的縮放與訓練集中的字符不同。在大多數應用中，應使用6x8到10x14之間的大小。

參數功能可以包含以下用于字符分類的功能名稱。

‘default’
選擇’ratio’和’pixel_invar’。

‘pixel’
字符的灰度值（WidthCharacter x HeightCharacter特征）。

‘pixel_invar’
具有灰度值最大縮放的字符的灰度值（WidthCharacter x HeightCharacter特征）。

‘pixel_binary’
作為二進制圖像的字符區域縮放為WidthCharacter x HeightCharacter（WidthCharacter x HeightCharacter特征）的大小。

‘gradient_8dir’
在角色圖像上計算漸變。梯度方向被離散化為8個方向。根據這些離散化的方向將振幅圖像分解為8個通道。從每個通道提取5x5網格上的25個樣本。這些樣本用作特征（200個特征）。

‘projection_horizo??ntal’
灰度值的水平投影（參見gray_projections，HeightCharacter特征）。

‘projection_horizo??ntal_invar’
灰度值的最大縮放水平投影（HeightCharacter特征）。

‘projection_vertical’
垂直投影灰度值（參見gray_projections，WidthCharacter特征）。

‘projection_vertical_invar’
灰度值的最大縮放垂直投影（WidthCharacter特征）。

‘ratio’
角色的寬高比（1個特征）。

“anisometry’”
角色的反分析（參見偏心，1個特征）。

‘width’
在將字符縮放到標準大小之前字符的寬度（不是縮放不變的，請參見smallest_rectangle1,1個特征）。

‘Hight’
在將字符縮放到標準大小之前字符的高度（不是縮放不變的，請參見smallest_rectangle1,1個特征）。

‘zoom_factor’
字符與WidthCharacter和HeightCharacter的值之間的大小差異（不是縮放不變的，1個特征）。

‘foreground’
前景中像素的分數（1個特征）。

‘foreground_grid_9’
在角色的最小封閉矩形內的3x3網格中前景中像素的分數（9個特征）。

‘foreground_grid_16’
在角色的最小封閉矩形內的4x4網格中的前景中的像素分數（16個特征）。

‘compactness’
角色的緊湊性（見緊湊性，1個特征）。

“convexity”
角色的凸性（見凸性，1個特征）。

‘moments_region_2nd_invar’
角色的標準化第二個時刻（參見moments_region_2nd_invar，3個特征）。

‘moments_region_2nd_rel_invar’
角色的標準化第二個相對時刻（參見moments_region_2nd_rel_invar，2個特征）。

‘moments_region_3rd_invar’
角色的標準化第3個時刻（參見moments_region_3rd_invar，4個特征）。

‘moments_central’
角色的標準化中心矩（參見moments_region_central，4個特征）。

‘moments_gray_plane’
歸一化灰度值矩和灰度值平面的角度（參見moments_gray_plane，4個特征）。

“phi”
角色的方向（角度）（參見elliptic_axis，1個特征）。

‘num_connect’
連接組件的數量（請參閱connect_and_holes，1功能）。

‘num_holes’
孔數（參見connect_and_holes，1個特征）。

‘COOC’
二元共生矩陣的值（參見gen_cooc_matrix，12個特征）。

‘num_runs’
由高度標準化的區域中的運行次數（1個特征）。

‘chord_histo’
每行運行的頻率（HeightCharacter功能）。

創建分類器后，使用trainf_ocr_class_svm對其進行訓練。在此之后，可以使用write_ocr_class_svm保存分類器。或者，可以在訓練之后立即使用分類器來使用do_ocr_single_class_svm或do_ocr_multi_class_svm對字符進行分類。

SVM和多層感知器（MLP）的比較（參見create_ocr_class_mlp）通常表明SVM通常在訓練時更快，特別是對于大型訓練集，并且實現比MLP略高的識別率。 MLP在分類方面更快，因此應該優先考慮時間關鍵應用。請注意，本指南假定參數的最佳調整。

并行

多線程類型：可重入（與非獨占運算符并行運行）。
多線程范圍：全局（可以從任何線程調用）。
沒有并行化處理。
此運算符返回句柄。請注意，即使將此句柄類型的實例用作輸入參數，也可以由特定運算符更改該句柄類型的實例的狀態。

參數

WidthCharacter（input_control）整數→（整數）
矩形的寬度，分割字符的灰度值被縮放到該矩形。
默認值：8
建議值：1,2,3,4,5,6,7,8,9,10,11,12,14,16,20
典型值范圍：4≤WidthCharacter≤20

HeightCharacter（input_control）整數→（整數）
矩形的高度，分割字符的灰度值被縮放到該矩形的高度。
默認值：10
建議值：1,2,3,4,5,6,7,8,9,10,11,12,14,16,20
典型值范圍：4≤HeightCharacter≤20

Interpolation（input_control）字符串→（字符串）
用于縮放字符的插值模式。
默認值：‘常數’
值列表：‘bilinear’，‘constant’，‘nearest_neighbor’，‘weighted’

Features（input_control）字符串（-array）→（字符串）
用于分類的功能。
默認值：‘默認’
值列表：‘anisometry’，‘chord_histo’，‘compactness’，‘convexity’，‘cooc’，‘default’，‘foreground’，‘foreground_grid_16’，‘foreground_grid_9’，‘gradient_8dir’，‘height’，'moments_central '，‘moments_gray_plane’，‘moments_region_2nd_invar’，‘moments_region_2nd_rel_invar’，‘moments_region_3rd_invar’，‘num_connect’，‘num_holes’，‘num_runs’，‘phi’，‘pixel’，‘pixel_binary’，‘pixel_invar’，‘projection_horizo??ntal’， ‘projection_horizo??ntal_invar’，‘projection_vertical’，‘projection_vertical_invar’，‘ratio’，‘width’，‘zoom_factor’

Characters（input_control）字符串數組→（字符串）
要讀取的字符集的所有字符。
默認值：[‘0’，‘1’，‘2’，‘3’，‘4’，‘5’，‘6’，‘7’，‘8’，‘9’]

KernelType（input_control）string→（string）
內核類型。
默認值：‘rbf’
值列表：‘linear’，‘polynomial_homogeneous’，‘polynomial_inhomogeneous’，‘rbf’

KernelParam（input_control）real→（真實）
內核函數的附加參數。
默認值：0.02
建議值：0.01,0.02,0.05,0.1,0.5

Nu（input_control）real→（真實）
SVM的正則化常數。
默認值：0.05
建議值：0.0001,0.001,0.01,0.05,0.1,0.2,0.3
限制：（Nu> 0.0）&&（Nu <1.0）

Mode（input_control）string→（string）
SVM的模式。
默認值：‘one-versus-one’
價值清單：‘一對多’，‘一對一’

Preprocessing（input_control）字符串→（字符串）
用于變換特征向量的預處理類型。
默認值：‘normalization’
值列表：‘canonical_variates’，‘none’，‘normalization’，‘principal_components’

NumComponents（input_control）整數→（整數）
預處理參數：已轉換要素的數量（對于Preprocessing ='none’和Preprocessing =‘noalization’）。
默認值：10
建議值：1,2,3,4,5,8,10,15,20,30,40,50,60,70,80,90,100
限制：NumComponents> = 1

OCRHandle（output_control）ocr_svm→（整數）
處理OCR分類器句柄。