利用贝叶斯分类器实现手写数字识别

1、实验环境

 

       Win7下使用 Eclipse IDE  JAVA语言

 

   2、样本准备

    

         拥有测试和训练两组样本，其内容为手写数字图片。

 

      3、样本处理

     

将图片进行二值化。使用数组binaryImagenum1记录每个像素点的值，     （0,0,0,）为0，（255,255,255）为1；

 处理代码如下：

 

在对每个二值化处理后的数字图片按照5*5的方式划分，一共25份。

若每一份中1的个数超过一般则对应的特征值为1 ，否则为0.

 

4、算法实现

（1）先计算先验概率 

      

       P(wi)类别为数字i的先验概率

       Ni数字i的样品数

       N为样品总数

   （2）计算，再计算类条件概率

 

 

 

     表示样品X属于wi类条件下，X的第j个分量为1的概率估计值。

  

 

 

 

 

 

 

 

（3）利用贝叶斯公式求后验概率

（4）后验概率的最大值的类别（0—9）就是手写数字的所属类别。

 

实现代码：

 

5、得出结论

根据3中对训练图片的处理得到0~9后视概率，用程序读入测试数据中的图片，通过二值化后进行5*5的分割，后验概率的最大值的类别（0—9）就是测试数据手写数字的所属类别。

图片和实验数据下载： http://download.csdn.net/detail/u013398034/9420405