這幾天在想這做字元識別方面的程式，看了很多**，但是發現**上的幾乎用處都不是特別的大，理論一大堆，但是用在程式裡面則很難實現，看到有些**上說用連碼法，但是連碼法對結構的變化太敏感了，但是也從一些**裡獲得了一些靈感，我採用的是網格匹配法，
準備工作採集樣本，得到了樣本的網格資訊用於接下來的識別，當然也可 一用來識別英文，但是數量太多，所以現在我只做了手寫數字的識別：對於1，2，3，4，6，7，8的識別率很高，可以達到95%以上，但是對於5，9就差些，大概只有60%
下面是執行時的識別效果：
中的第乙個數是數字輪廓的點的數目，第二排的01序列就是網格匹配序列，第三排就是識別的結果
手寫數字識別
import os os.environ tf cpp min log level 2 不想讓警告的資訊輸出可以新增 from tensorflow.examples.tutorials.mnist import input data import tensorflow as tf def mnis...
手寫數字識別 實戰 KNN演算法識別手寫數字
鄰近演算法，或者說k最近鄰 knn，k nearestneighbor 分類演算法是資料探勘分類技術中最簡單的方法之一。所謂k最近鄰，就是k個最近的鄰居的意思，說的是每個樣本都可以用它最接近的k個鄰居來代表。下面是我學習knn演算法的思維導圖 其中距離的定義，各個距離的公式為 歐氏距離 n維空間的距...
KNN手寫數字識別
以歐幾里得距離度量樣本間的相似程度。對於乙個測試樣本首先計算該樣本與每個訓練樣本間的距離，然後按距離值對訓練樣本進行公升序排序，排序後前k個樣本進行投票，即哪個標籤出現的次數多，就將測試樣例劃為該類。程式使用資料 預先將資料處理為，標籤資訊轉化為txt文件。from numpy import imp...