摘 要：在特征空间维数较高的手写阿拉伯数字识别问题中，冗余的特征往往会意外增加学习模型刻画问题空间的
复杂度，影响手写阿拉伯数字识别的效率和精确度。该文提出了一种基于边界对特征的敏感度值进行特征选择的支
持向量机树混合学习模型，依据当前中间节点上的分类曲面对子样本空间中的样例特征的敏感程度选择特征，在新
构建的子样本集上训练子节点上的支持向量机。UCI 机器学习数据库中手写阿拉伯数字识别问题的仿真结果表明，
与其他算法相比，该文提出的方法能够在提高或保持手写阿拉伯数字高识别精确率的同时，精简问题空间，从而简
化混合学习模型的中间节点和整体结构。
