手写数字识别实验报告_机器视觉学习笔记：基于Knn的简单手写数字识别算法

⼿写数字识别实验报告_机器视觉学习笔记：基于Knn的简单

唐俊昌⼿写数字识别算法

Knn(k-Nearest Neighbor)学习是⼀种常⽤的监督学习⽅法，采⽤的"近朱则⾚，近墨则⿊"的思想，给定测试样本，基于某种距离度量出训练集中与其靠近的k个训练样本，然后基于k个"邻居"的信息来进⾏预测，通常⽤"投票法"来预测结果。

临汾地震Knn学习是"懒惰学习"的代表，它的训练阶段只是把样本保存起来，训练开销为0，待收到测试样本后再进⾏处理。

本⽂介绍⼀种Knn的简单⼿写数字识别算法，⾸先明确⼿写的数字是在128x128的画板上。

图1：⼿写⽰例

算法步骤：数字监控系统

1. 在128x128画板下绘制0-9各100张训练样本;

2. 归⼀化到32x32⼤⼩图像。

图2：⼿写⽰例

图3：归⼀化⽰例

3. 提取特征，这⾥只讲简单特征，提取图像的⽬标值和，图像上半部分⽬标之和，图像下半部分⽬标之和，第⼀个特征v1为上半和除以总和，第⼆个特征v2为下半和除以总和。

图4：总和全自动电脑针织机>矫正机

图5：上半和

图6：下半和

应对方式问卷

4. 将训练样本分别提取特征，做成1000x3的矩阵。第⼀列为特征v1，第⼆列为特征v2，第三列为类别，0-9的数字。

5. 测试样本按3提取特征v1,v2，与训练样本特征矩阵的前两列求距离，选出欧⽒距离最⼩的10组，统计他们的类别，最多的类别如⼤于5，则确定为该类别。

图7：识别

本文发布于:2024-09-21 20:54:01，感谢您对本站的认可！

标签：样本特征训练数字

留言与评论（共有 0 条评论）