手写数字识别系统的设计与实现

Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．３４，Ｎｏ．８，２０１８　研究设计　微型电脑应用２０１８年第３４卷第８期　

文章编号：１００７—７５７Ｘ（２０１８）０８—００７８－０３　

基于机器学习的手写数字识别系统设计与实现　

李怡轩　

（渭南师范学院，渭南７１４０００）　

摘　要：针对传统的手写数字识别准确率低的缺点，将机器学习方法引入手写数字识别。提取数字图像的水平交点、垂直交　

点和对角交点作为手写数字图像的特征向量，建立手写数字模板矩阵，通过计算待识别图像和模板矩阵的欧式距离和后验概　

率，从而实现手写数字识别。研究结果表明，机器学＞－ｊ方法手写数字识别的精度可以高达９７．６３　，为手写数字识别提供新的　

方法和途径。　

关键词：机器学习；手写数字；贝叶斯分类器；欧式距离　

中图分类号：ＴＰ３ｌ１　文献标志码：Ａ　

Ｄｅｓｉｇｎ　ａｎｄ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　Ｈａｎｄｗｒｉｔｔｅｎ　Ｄｉｇｉｔａｌ　

Ｒｅｃｏｇｎｉｔｉｏｎ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ　

Ｉ　Ｉ　Ｙｉ—ｘｕａｎ　

（Ｗｅｉｎａｎ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｅｉｎａｎ　７１４０００）　

Ａｂｓｔｒａｃｔ：Ｉｎ　ｖｉｅｗ　ｏｆ　ｔｈｅ　１ＯＷ　ａｃｃｕｒａｃｙ　ｏｆ　ｔｒａｄｉｔｉｏｎａ１　ｈａｎｄｗｒｉｔｔｅｎ　ｎｕｍｅｒａｌ　ｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｅ　ｍａｃｈｉｎｅ　１ｅａｒｎｉｎｇ　ｍｅｔｈｏｄ　ｉｓ　ｉｎｔｒｏ—　

ｄｕｃｅｄ．Ｔｈｅ　ｈｏｒｉｚｏｎｔａｌ　ｉｎｔｅｒｓｅｃｔｉｏｎ，ｖｅｒｔｉｃａｌ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ａｎｄ　ｄｉａｇｏｎａｌ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ｏｆ　ｄｉｇｉｔａｌ　ｉｍａｇｅｓ　ａｒｅ　ｅｘｔｒａｃｔｅｄ　ａｓ　ｆｅａｔｕｒｅ　ｖｅｃ—　

ｔｏｒｓ　ｏｆ　ｈａｎｄｗｒｉｔｔｅｎ　ｎｕｍｅｒａｌ　ｉｍａｇｅｓ，ａｎｄ　ａ　ｈａｎｄｗｒｉｔｔｅｎ　ｎｕｍｅｒａ１　ｔｅｍｐｌａｔｅ　ｍａｔｒｉｘ　ｉＳ　ｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅ　ｈａｎｄｗｒｉｔｔｅｎ　ｎｕｍｅｒａｌ　ｒｅｃ—　ｏｇｎｉｔｉｏｎ　ｉｓ　ｒｅａｌｉｚｅｄ　ｂｙ　ｃａｌｃｕｌａｔｉｎｇ　ｔｈｅ　ｃｏｎｔｉｎｅｎｔａｌ　ｄｉｓｔａｎｃｅ　ａｎｄ　ｐｏｓｔ—ｔｅｓｔ　ｐｒｏｂａｂｉｌｉｔｙ　ｏｆ　ｔｈｅ　ｉｍａｇｅｓ　ａｎｄ　ｔｈｅ　ｔｅｍｐｌａｔｅ　ｍａｔｒｉｘ．Ｔｈｅ　

手写数字识别系统的设计与实现

摘要 本手写数字识别系统是一个以VISUAL STUDIO C++ 6.0为编译环境，使用MFC进行图形图像界面开发的系统。主要功能是通过在点击手写数字识别菜单下的绘制数字标签弹出的绘制数字窗口中完成数字的手写，在此窗口中可以进行数字的保存及清屏，然后通过文件菜单中的打开标签打开所绘制的数字，从而进行数字的预处理，其中包括灰度化及二值化处理，然后进行特征提取，最后实现数字的识别。本系统的界面设计友好，流程正确，功能也较为完善。实验结果表明，本系统具有较高的识别率。

关键词：绘制数字;预处理;特征提取;特征库;数字识别

目 录

前言 ..................................................... 4

概述 ..................................................... 5

1 需求分析 ............................................... 6

1.1 功能需求分析 ...................................... 7

1.2 性能需求分析 ...................................... 7

1.3 数据需求分析 ...................................... 8

1.4 相关软件介绍 ...................................... 8

2 手写数字识别系统的设计与基本原理 ....................... 8

2.1 系统整体功能模块设计 .............................. 8

2.2 手写数字识别系统的基本原理 ........................ 9

2.2.1 数字图像的绘制 ............................... 9

手写体数字识别

第一章 绪论 ..................................................................................................................................... 3

1.1课题研究的意义 ................................................................................................................. 3

1.2国内外究动态目前水平 ..................................................................................................... 4

1.3手写体数字识别简介 ......................................................................................................... 4

1.4识别的技术难点 ................................................................................................................. 5

1.5主要研究工作 ..................................................................................................................... 5

第二章 手写体数字识别基本过程： ............................................................................................. 6

手写数字体自动识别技术的研究现状

手写数字体自动识别技术是以机器学习为基础，实现对手写数字体的自动识别。这种技术在数字图像处理、手写文字识别等领域有广泛的应用。目前，手写数字体自动识别技术已经取得了很大的进展，并且各个领域都有不同的研究方法。

在数字图像处理方面，基于卷积神经网络（Convolutional Neural Networks，CNN）的方法已经成为主流，因为CNN能够有效地提取图像的特征。2012年，Alex Krizhevsky等人提出了一种名为AlexNet的CNN模型，标志CNN技术进入了一个新的时代。自此，CNN在手写数字体自动识别领域中被广泛采用。比如，有研究者提出了一种基于CNN的多尺度分类型器（Multi-Scale Convolutional Classifier，MSCC）方法，用于实现手写数字的自动识别，其准确率高达99.06%。另外，在CNN模型中引入循环机制，可以进一步提升手写数字体自动识别的准确率。

除了CNN模型，还有一些方法也被用于手写数字体自动识别。比如，基于支持向量机（Support Vector Machine，SVM）的方法，它利用最优边界来实现分类。在手写数字体自动识别中，SVM经常与提取Gabor滤波器特征组合使用，从而获得更高的识别准确率。同时，也有基于决策树（Decision Tree）和随机森林（Random Forest）的方法用于手写数字体自动识别。这些方法通常需要大量的训练数据来实现高准确率的分类，但是在实现效率和准确率之间需要进行权衡。

总之，手写数字体自动识别技术在近年来取得了显著的进展，从CNN模型到SVM和决策树等各种算法，都有其独特的优点。未来，我们可以期待更多新算法和技术的出现，以更好地应对实际应用中的问题，并促进数字图像处理、手写文字识别等领域的发展。