文档介绍：手写体两位数字识别翁立波 2012 年2月 28日问题提出随着模式识别及相关理论和技术的发展,其在现实生活中也得到越来越广泛的应用。微软推出了 kinect ,可以通过人脸、手势、动作进行控制以及人机交互,使得体感游戏开始进入普通家庭。可以预见不久之后的家用电视机也将会带上这样的功能:可以用手势来操控电视频道。那么,是否能通过临空手写数字来切换频道? 于是提出这个问题,手写体数字识别。 2 问题简化假设需要识别的是从 0-99 的频道,那么就是需要识别 100 类,从原问题看,需要识别的是从 0- 99 这 100 类数字,且每个数字都是用一笔写成的。 34 数据采集采集 100 类数据,每类 30 个,并已经过二值化处理,每幅图像分辨率为 170 × 160 Figure1 some original images 5 170 × 160 80 × 80 80 × 80 数据处理 Figure2 processing 6 训练与识别对每类 30 张图片使用 PCA 进行降维每类前 25 张作为训练集,后 5张作为测试集使用 SVM 方法进行训练和识别 Figure3 some test results 7 results 训练与识别 8 实验结果 PCA n=60 Kernel type 012 Accuracy % (233/500) % (233/500) % (124/500) 9 实验结果 Kernel type 012 Accuracy 36% (180/500) % (181/500) % (94/500) PCA n=20 PCA n=40 Kernel type 012 Accuracy % (227/500) % (224/500) 27% (135/500) PCA n=80 Kernel type 012 Accuracy % (224/500) 44% (220/500) % (116/500) 10 小结使用 PCA 降维后得到的相同维度下,用 linear 或者 polynomial 的 kernel type 进行训练能得到较好结果在使用 PCA 分别降维至 20 、 40 、 60 和 80 后进行 SVM 方法训练与分类,其中在 60 的时候有最高正确率