目的探索有監(jiān)督的機(jī)器學(xué)習(xí)算法在驗(yàn)證碼自動(dòng)識(shí)別技術(shù)中的應(yīng)用。方法通過(guò)爬蟲(chóng)技術(shù)隨機(jī)獲得49個(gè)某公共衛(wèi)生信息系統(tǒng)驗(yàn)證碼,將圖片預(yù)處理后切割為單字符圖片,使用機(jī)器學(xué)習(xí)的有監(jiān)督算法進(jìn)行訓(xùn)練。結(jié)果除k近鄰分類(lèi)外,支持向量機(jī)、決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)均能以98%以上的準(zhǔn)確率識(shí)別某公共衛(wèi)生信息系統(tǒng)的CAPTHA。結(jié)論機(jī)器學(xué)習(xí)相關(guān)算法可以有效地對(duì)分割的驗(yàn)證碼進(jìn)行識(shí)別。 

【文章來(lái)源】：中國(guó)衛(wèi)生信息管理雜志. 2020,17(04)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 驗(yàn)證碼基本定義與分類(lèi)
2 資料與方法
    2.1 數(shù)據(jù)來(lái)源
    2.2 分析方法
        2.2.1 SVM 算法
        2.2.2 DT算法
        2.2.3 KNN算法
        2.2.4 BP Neural Network算法
    2.3 評(píng)估指標(biāo)
3 結(jié)果與討論
    3.1 SVM算法訓(xùn)練及驗(yàn)證
    3.2 DT算法訓(xùn)練及驗(yàn)證
    3.3 KNN算法及驗(yàn)證
    3.4 BP Neural Network算法及驗(yàn)證
4 建議
    4.1 算法比較
    4.2 適用范圍
    4.3 安全建議


【參考文獻(xiàn)】：
期刊論文
[1]基于SVM的字符驗(yàn)證碼識(shí)別研究[J]. 安夢(mèng)生.  淮陰師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(04)
[2]K近鄰分類(lèi)指導(dǎo)的區(qū)域迭代圖割算法研究[J]. 管建,王亞娟,王立功.  計(jì)算機(jī)應(yīng)用與軟件. 2018(11)
[3]醫(yī)療健康人工智能發(fā)展框架與趨勢(shì)分析[J]. 胡建平.  中國(guó)衛(wèi)生信息管理雜志. 2018(05)
[4]基于深度學(xué)習(xí)的物體識(shí)別驗(yàn)證碼破解方法[J]. 田朝輝,金鑫,趙耿,李曉東.  計(jì)算機(jī)仿真. 2018(03)
[5]基于決策樹(shù)C4.5集成算法的圖像自動(dòng)標(biāo)注[J]. 張華忠,侯進(jìn).  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[6]基于情感本體和kNN算法的在線評(píng)論情感分類(lèi)研究[J]. 唐曉波,朱娟,楊豐華.  情報(bào)理論與實(shí)踐. 2016(06)
[7]驗(yàn)證碼安全與驗(yàn)證碼繞過(guò)技術(shù)[J]. 胡健,柳青,王海林.  計(jì)算機(jī)應(yīng)用. 2016(S1)
[8]驗(yàn)證碼簡(jiǎn)介[J]. 高雨彤.  保密科學(xué)技術(shù). 2014(01)



本文編號(hào)：3309446