手写数字识别系统（python+K-近邻完整代码）

最新推荐文章于 2024-10-02 13:38:21 发布

Trouble maker д

最新推荐文章于 2024-10-02 13:38:21 发布

阅读量1.2k

点赞数

文章标签： python numpy

本文链接：https://blog.csdn.net/weixin_44141000/article/details/108176236

版权

本文介绍了如何使用Python实现一个手写数字识别系统，该系统基于K-近邻（K-NN）算法。首先，将32*32的二进制数字图像转换为1024维向量，然后构建训练样本集矩阵。K-NN算法计算测试样本与训练样本之间的距离，并根据最近的k个邻居进行分类。经过运行，结果显示分类准确率为98.8372%。

摘要由CSDN通过智能技术生成

手写数字图片识别系统的介绍：

由于数字图片是一个 32*32 维的二进制向量，不能直接放到模型中使用，所以：
- 首先需要先将每一个 3232 维的向量转化为 1(3232)维的向量，即 11024 维数据向量
- 第二步就是将所有经过转化后的 m 个训练样本，组合成一个 m*1024 维的训练样本集矩阵
- K-近邻算法就是计算每一个测试样本与所有训练样本的距离，取其中 k 个距离较近的训练样本，通过投票法将测试样本归类到得票最多的一类

导入程序所需要的模块

import numpy as np
import operator
from os import listdir

定义将图像转换为向量的函数

# 将 32*32 的二进制图像转化为 1*1024 的向量
def img2vector(filename):
    returnVect = np.zeros((1, 1024))    # 存储图片像素的向量维度是1x1024，创建 1*1024 零矩阵
    fr = open(filename)
    for i in range(32):         # 按行读取
        lineStr = fr.readline()    # 拿到其中一行   [0,1,0,0,0,1,...]  32个数字
        for j in range(32):
            returnVect[0, 32*i+j] = int(lineStr[j])    # 图片尺寸是32x32，将其依次放入向量returnVect中
    return returnVect