自己动手实现Android平台手写体数字识别之识别算法准备

上一篇博文里已经将MNIST的训练集和测试集都归一化成了20x20的图像，现在就可以选择一个合适的算法做识别了。

我这里并没有用很牛逼的算法（本身就是非专业的，自然也想不到啥牛逼算法），都是按照书上讲的从13特征点，Fisher分类开始做，然后引入了书上讲的比较多的BP神经网络，再后来结合了PCA去提取特征向量。

最终用PCA+BP Neural Network的算法训练60000个样本，测试1000个样本，取PCA得出的特征点的前64个作为神经网络的输入层，隐含层为35个节点，输出层为4个节点，learning rate是0.04，minimum mean squared error是0.02，得出如下结果：

Right Ratio=0.899000
error Ratio=0.101000
Num:0,Right Rate:0.964706
Num:1,Right Rate:0.928571
Num:2,Right Rate:0.870690
Num:3,Right Rate:0.887850
Num:4,Right Rate:0.890909
Num:5,Right Rate:0.827586
Num:6,Right Rate:0.954023
Num:7,Right Rate:0.898990
Num:8,Right Rate:0.831461
Num:9,Right Rate:0.936170

当然识别率成功率不是很高，只有90%左右，不过作为一个演示的算法，也够用了^_^

整个训练的过程约3分钟，得出BP Neural Network中的参数，存储到文件，将这些数据放到Android手机存储中待用。

Android中对拍摄的图像的预处理（灰度化，二值化，归一化，字符分割，去除孤立点等等）以及识别会在接后的博文中讲述。

PCA+BP Neural Network训练算法和识别的代码在这里https://sourceforge.net/projects/andocrrecog/files/PcaBpNNMnistTrain/

Android平台拍摄，识别，输出结果的完整代码在这里https://sourceforge.net/projects/andocrrecog/files/AndroidPcaBpNNHandwrittenDigitsRecog/

算法不是很腻害，识别率有待提高，其实OCR现在已经有很成熟的算法，代码也有很多开源的，我只是把我的简单的算法分享出来，供有需要的同学参考。