手写字识别knn模型

1、实验原理：

Knn算法：邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是机器学习分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。属于监督学习，有类别标记，他没有明显的前期训练过程，在程序运行之后，把数据加载到内存后，不需要进行训练就可以分类。

2、大致流程：

使用kNN算法的手写识别系统

1.收集数据：提供文本文件

2.准备数据：编写函数img2vector(),将图像格式转换为分类器使用的向量格式。

3.分析数据：在Python命令提示符中检查数据，确保它符合要求。

4.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。

5.使用算法：使用已编写好的算法来对测试样本进行测试

3、功能实现：

3.1 数据集的准备

将图像转换为txt文件。已知图像为28*28的像素范围，利用getpixel提取图片中的像素值大小。在打印成txt文件，这边要注意的是这边读取的是整个文件夹。

图 1数据集整理

3.2命名的整理

为了更好的对已有的数据集进行分类，我们将正确值与图片转换后的txt进行一一对应。

图 2 标签分离

注意：这边我们将列表的0序号占用掉。

将txt的命名修改成标签_图片的形式，帮助knn进行分类。

图 3 txt命名

3.3KNN模型的建立：

实现思路：①将测试数据转换成只有一列的0-1矩阵形式将所有（L个）训练数据也都用上方法转换成只有一列的0-1矩阵形式。②把L个单列数据存入新矩阵A中——矩阵A每一列存储一个字的所有信息。③用测试数据与矩阵A中的每一列求距离，求得的L个距离存入距离数组中。④从距离数组中取出最小的K个距离所对应的训练集的索引拥有最多索引的值就是预测值。

所以先定义一个读取数据的转换数据的函数。将图像信息转成28*28的格式。

图 4 读跟转换函数

在定义一个距离计算，相似度比较函数，来得出最高的索引值。用来确定测试样本的属性。

图 5 相似度计算

最后编写识别函数：

图 6识别函数

注意：图中定义模型列表，用来保存knn训练时产生的数组。采取的训练好后，将待测的值依次放入，进而求最接近的数，其概率就是最匹配的索引值。

3.4待测数据的整理：

将待训练的5000的样本集进行转换为txt文件。

图 7 待测样本转入

通过观察，可以发现本次实验所给的样本为乱序状态，无法对其用训练集的方式读取，所以这边采用了try ····except 的方式，用来跳过错误的文件名。

3.5、结果输出

图 8输出结果

利用已存入结果的结果列表result1，将对应的结果输出，输出是注意要将原图像的图形名一同输出，考虑到我们在测试的时候读写图片的顺序也是按顺序读写，所以这里输出的时候，我们在定义一个列表，用来存储名称。

图 9 结果

总结：

1、本次实验主要使用了kNN算法，由于采用的是图片转txt后在对应数组，在数据集达到60000时，运行时间巨长，而且在面对5000个数据集时，因为采用的是1对60000数组的形式，导致配对的数据更加长。这个也是此次程序的设计漏洞所在，但是其准确性确实高。

2、本次实验最难的部分，其实并不是算法的设计，我更认为是完成这些设计的边缘代码。比如如何使用 os 库，如何去遍历文件夹内的图片，以及非顺序性读取文件的处理。总体来说，本次课设不仅让我们学习了knn算法的原理，还巩固了我们其他方面的能力。

3、面对测试时间太长这个问题，经过更改数组变化，利用opencv库进行修改，大幅度提高了测试速度。

手写字识别knn模型相关推荐

机器学习之手写字识别(Knn算法应用)
手写字识别对手写字体图片进行识别最重要的一点就是要将其转化为二值化(就是就是将图像上的像素点或灰度值设置为0或1,其呈现就是非黑即白)后的数据,然后再进行处理,在手写体处理中,二值化就是有手写笔画的 ...
TensorFlow基于minist数据集实现手写字识别实战的三个模型
手写字识别 model1:输入层→全连接→输出层softmax model2:输入层→全连接→隐含层→全连接→输出层softmax model3:输入层→卷积层1→卷积层2→全连接→dropout层→ ...
基于tensorflow的MNIST手写字识别
一.卷积神经网络模型知识要点卷积卷积 1.卷积 2.池化 3.全连接 4.梯度下降法 5.softmax 本次就是用最简单的方法给大家讲解这些概念,因为具体的各种论文网上都有,连推导都有,所以本文主要 ...
python手写汉字识别_TensorFlow 2.0实践之中文手写字识别
问题导读: 1.相比于简单minist识别,汉字识别具有哪些难点? 2.如何快速的构建一个OCR网络模型? 3.读取的时候有哪些点需要注意? 4.如何让模型更简单的收敛? 还在玩minist?fash ...
.net 数字转汉字_TensorFlow 2.0 中文手写字识别（汉字OCR）
TensorFlow 2.0 中文手写字识别(汉字OCR) 在开始之前,必须要说明的是,本教程完全基于TensorFlow2.0 接口编写,请误与其他古老的教程混为一谈,本教程除了手把手教大家完成这个 ...
在Windows上调试TensorFlow 2.0 中文手写字识别（汉字OCR）
在Windows上调试TensorFlow 2.0 中文手写字识别(汉字OCR) 一.环境的搭建 Windows+1080Ti+Cuda10.1 Tsorflow2.0.0 Numpy1.16.4 注 ...
Pytorch入门练习2-kaggle手写字识别神经网络(CNN)实现
目录数据预处理自定义数据集构建网络结构对卷积神经网络进行训练和评估对数据进行预测保存预测数据,提交代码 SNN由于无法考虑到图片数据的维度关系,在预测精度上会被限制,本章我们采用CNN卷积 ...
用TensorFlow教你手写字识别
1.MNIST数据集基于MNIST数据集实现手写字识别可谓是深度学习经典入门必会的技能,该数据集由60000张训练图片和10000张测试图片组成,每张均为28*28像素的黑白图片.关于数据集的获取, ...
利用卷积神经网络实现手写字识别
本文我们介绍一下卷积神经网络,然后基于pytorch实现一个卷积神经网络,并实现手写字识别卷积神经网络介绍传统神经网络处理图片问题的不足让我们先复习一下神经网络的工作流程: 搭建一个神经网络将 ...

手写字识别knn模型

手写字识别knn模型相关推荐

最新文章

热门文章