基于KNN的手写数字的识别.pdf

《基于KNN的手写数字的识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第55卷第10期农业装备与车辆工程2017年10月V01．55No．10AGRICULTURALEQUIPMENT&VEHICLEENGINEERINGOctober2017doi：10．39696．issn．1673-3142．2017．10．022基于KNN的手写数字的识别田绍兴，陈劲杰(200093上海市上海理工大学机械工程学院)【摘要】手写数字的识别是模式识别及机器学习的一个重要应用，应用范围非常广泛。提出了一种基于KNN算法的手写数字识别方法，该方法提出基于相似度的文本分类，通过训练得到一个KNN分类模型，进入进行手写数字的识

2、别。实验证明该方法能够快速有效的进行手写数字的识别。【关键词】手写数字识别；文本分类；模式i欺,J54；KNN【中图分类号】TP391【文献标识码】B【文章编号】1673—3142(2017)10-0096-03HandwrittenNumeralRecognitionBasedonKNNTianShaoxing，ChenJinjie(SchoolofMechanicalEngineering，UniversityofShanghaiforScienceandTechnology，Shanghai200093，China)【Abstra

3、ct】Handwrittennumeralrecosnitionisanapplicationofpattemrecognitionandmachinelearningandhaswideuseinmanyfields．AmethodtorecosmzehandwriaennumeralbasedonKNNispIol瑚ed，whichisputforwardbasedonsimilarityoftextclassification．AmodelofKNNclassificationisobtainedbytraining,intoha

4、ndwriaennumeralsrecognition．Theexperimentsshowthatthepropo∞dmethodcanquicklyandeffectivelyrecognizehandwrittennumeral．[Keywords】handwrittennumeralrecognition；textclassification；patternrecognition；KNNO引言模式识别(PatternRecognition)的目的是让机器自动识别事物⋯。手写数字识别fHandwrittenNumeralRecog

5、nition)是光学字符识别技术(OpticalCharacterRecognition，简称OCR)的一个分支，它研究的对象是如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字口】。手写数字识别有着极为广泛的应用前景，可以应用于大规模数据统计、财务、税务、金融、邮件分拣等方面，这也正是它受到世界各国的研究工作者重视的一个主要原因。到目前为止，尽管人们在脱机手写英文、汉字识别的研究中已取得很多可喜成就，但距实用还有一定距离。而在手写数字识别方面，经过多年研究，研究者们已经开始把它向各种实际应用推广，为手写数据的高速自动输入提供了一种解

6、决方案。已经研究并应用的方法有：组合式神经网络旧‘31、模板匹配㈣、纹理识别[51。本文提出一种基于KNN算法的手写数字识别方法，该方法通过提取基于相似度的特征，通收稿13期：2017-02—28修回13期：2017-03—07过训练得到一个KNN分类模型，进而进行手写数字的识别。实验证明该方法能够快速有效地进行手写数字的识别。1KNN算法K近邻法(K—NearestNeighbor，KNN)是一种基本分类与回归方法【6】。K近邻法的输人为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取类。K近邻法假设给定一个训练数据集，其

7、中的实例类别已定。分类时，对新的实例，根据k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，K近邻法不具有显示的学习过程。K近邻法实际上利用训练数据集对特征空间进行划分，并作为其分类的“模型”。K值的选择、距离度量及分类决策规则是K近邻法的三个基本元素。K近邻法1968年由Cover和Hart提出【_”。算法过程：假设输入训练数据集：T={(丑，3^)，(勋，弘)，．．．，(斯，射))(1)式中：五∈霉￡Rn——实例的特征向量；弘∈∥=el，c2，．．．，妇)_一实例类别，i=1，2⋯，Ⅳ；实例特征向量为了。第55卷第10期

8、田绍兴等：基于KNN的手写数字的识别97输出：实例菇所属的类Y。(1)根据给定的距离度量，在训练集T中找出与石最近邻的k个点，涵盖这k个点的菇的领域记作肌(z)；(2)在M(z)中根据分类决策规则(如多数表