最近學習了支援向量機(svm),所以拿了以前些的dv7.1驗證碼識別**來想svm改進。
原來用的bp神經網路識別演算法，其識別精度在90%左右，但是樣本訓練的時間較長，識別精度還不是太理想。
換成svm演算法後，還是用原來的採集樣本進行訓練，採用rbf核函式，其測試效果真是讓人振奮。
相同的樣本訓練，svm下只需要不到30秒完成。而bp神精網路需要二十分鐘左右。
測試識別精度發現盡然達到了99%以上。
哈哈，效果不錯。順便把原來的樣本去噪演算法改進，因為發現dv8.0的驗證碼變成在7.1的基礎上
又進行了變色，順便也整理下
趁熱打鐵。順便研究下dv8.2的中文驗證碼
經過一段時間的coding,
由於漢字比較多,樣本達到9825個，訓練了11分鐘
識別效果雖然不是太好，不過至少可以達到50%以上，估計對樣本進行提純，識別精度還有很多提高的地方
識別動網驗證碼和CSDN驗證碼的思路
動網的驗證碼 基於向量，摻雜向量的角度值隨機偏移和長度值隨機偏移，預設的比例為角度 10度和長度 10 特點 大小固定，預設80 20。數字個數固定，預設4，每個數字大小固定，預設20 20。向量隨機角度值 預設隨機量10 和隨機長度值 預設隨機量10 比率 最終根據隨機後的點陣自動縮放大小調整。有...
人人網驗證碼識別
可以識別人人網驗證碼 0.配置序列號在config.ini中 attilax 序列號 sn f dl hiobf8uxkshba7rxr92y7a aaa 1.dll呼叫 fastvcatilib.fastvcyjm c new fastvcatilib.fastvcyjm c.vg 1 strin...
C 下的驗證碼識別
引言 演算法分析 驗證碼識別原理及 演示 for int i 0 i bmpobj.height i 遍歷高度 灰度化之後，畫素的rgb三色都是相同的值了，亮度從0 255 hxff 但用於識別程式，灰度值並不能很好的區分背景色和前景色，尤其是對於漸進的背景來說，所以我們還要將影象進一步處理，就是將...