本文探讨了基于MATLAB的手写数字识别程序，提取16个特征后，运用最小距离法、KNN（K=1,3,5）和BP神经网络算法进行0-9数字识别。实验结果显示KNN法在K=1时识别率最高，BP神经网络次之，最小距离法识别率最低。研究表明，特征数量和算法参数调整对手写数字识别效果有显著影响，对未来优化算法提出了展望。"
111276051,10296115,Python爬虫实战：Pyspider框架解析Youku热剧榜,"['Python', '爬虫实例', 'Pyspider', '数据抓取', 'Web爬虫']
基于MATLAB手写体数字识别程序设计
手写体识别由于其实用性，一直处于研究进步的阶段，本文主要针对的是对0-9十个手写数字体脱机识别，在Matlab中对样本部分为进行16特征的提取，分别采用最小距离法，最近邻法，KNN法以及BP神经网络算法进行0-9十个数字进行识别，得到每类的分类结果以及各种方法的识别准确率，比较各种方法的优缺点，最后分析比较结果，得出分类结论。
1.引言
本文先是以统计学的方法进行数字识别。识别的数字是从0到
9并利用图象处理软件把这些数字处理成相同大小32*32的二值图。将图像转换为文本格式存储，文档中只包含0和1，共计1934个样本，每类样本数目大致200个，测试样本共计946个。读取txt文档
2.2 手写数字0-9识别
图1 待识别数字形式
后，从生成的矩阵中提取16个特征，然后先用统计学的理论，用最小距离法，最近邻法和KNN法，在Matlab中编写相关程序，得出相关的分类结果和错误率。然后再使用BP神经网络，确定输入，输出节点数和隐藏层节点数，对0-9的样本特征进行训练，得到训练后的网络进行样本测试。将基于BP神经网络的识别结果和错误率和基于统计学的方法的结果进行比较，最终得出分类的结论。
2.数字识别
本文是对手写数字识别，即对0-9十个数字进行识别，我们将存储0-9十个数字的图片利用图像处理软件处理成大小相同的
(32*32)的二值图，然后将图像转化成文本格式。总共有1934个训练样本，946个测试样本。对每个样本提取特征，这儿我们选用提取了16个特征，然后应用最小距离法，KNN
最低0.47元/天 解锁文章
2615
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
