java手写识别_手写识别系统

目的

采用k-近邻算法实现手写识别系统。这里采用0和1组成数字0-9的形状，再用算法对这些形状进行识别，来分辨出形状属于0-9那个数字。并计算出k-近邻算法识别手写数字的错误率。

数据说明

数据来自《机器学习实战》，分为测试集和训练集。单个数据如下图所示，表示数据0。

算法过程

收集数据：提供文本文件。

准备数据：编写函数classify0() ,将图像格式转换为分类器使用的制格式。

分析数据：在Python命令提示符中检查数据，确保它符合要求。

训练算法：此步驟不适用于k-近邻算法。

测试算法：编写函数使用提供的部分数据集作为测试样本，测试样本与非测试样本的区别在于测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。

使用算法

准备数据：将图像转换为测试向量

def img2vector(filename):

"""

该函数创建1*1024的NumPy数组，然后打开给定的文件，循环读出文件的前32行。

并将每行的头32个字符值存储在NumPy数组中，然后返回数组

"""

return_vect = np.zeros((1, 1024))

fr = open(filename)

for i in range(32):

line_str = fr.readline()

for j in range(32):

return_vect[0, 32*i+j] = int(line_str[j])

return return_vect

测试算法：使用k-近邻算法识别手写数字

def hand_writing_class_test():

"""

手写数字识别系统的测试代码<