手写数字识别实践指导手册VIP专享

手写数字系统实践指导手册1问题描述设计一个简单的手写数字识别系统，能够识别手写输入的数字 1-9 并且能够识别选中的文本文件中的数字，应具有简单方便的操作界面，输入输出等。1.1 功能需求分析通过分析，以及从用户的角度考虑，系统应该具有以下功能:（1）数字的手写输入。作为一个手写数字识别系统，首先应该能够让用户过绘制窗口进行数字绘制，系统得到用户的手写输入进行处理。（2）直接选择文件。用户还可以选择系统中的文本文件进行处理。（3）数据预处理。包括计算数据大小、二值化、格式化处理等。（4）数字提取。将经过二值化后的图像中的个数字区域进行提取，只有能够将数字进行准确的提取，才能将其一一识别。（5）基准库的选择与建立。选择一个可供系统训练和测试的样本库非常重要，本系统的训练集和测试集选择的是《机器学习实战》中所给的数据。（6）识别数字。经过训练集进行训练后，使用 knn 算法对需要识别的数字识别。2数据集获取任务要求：从网上爬取或者下载适合进行手写数字识别系统的训练集和测试集实践指导：方式一：自己从网上找适合的数据下载方式二：推荐数据集：“手写数字数据集的光学识别”一文中的数据集合，该 文 登 载 与2010年10月3日 的UCI机 器 学 习 资 料 库 中http://archive.ics.uvi.edu/ml3 功能设计与实现3.1 手写数字识别系统结构图：图一： 系统结构图3.2 识别用户选择手选文件功能设计与实现任务要求：用户可以自己从电脑中选择文本文件进行识别。实践指导： KNN 分类器的构造思路及原理如下：1）选择训练集和测试集。系统所采用的数据集选用的是“手写数字数据集的光学识别”一文中的数据集合。0-9 每个数字大约有 200 个训练数据 20 个测试数据。数字的文本格式如图所示。文本格式存储的数字的文件命名也很有特点，格式为：数字的值_该数字的样本序号，如图所示。2）格式化处理数据。将训练集中 32*32 的二进制图像矩阵转换为 1*1024的向量。用于 knn 距离的计算3）将训练集中所有的文件内容存在列表中，创建一个 m*1024 的训练矩阵，矩阵的每行存储一个图像。4）将需要进行预测的测试集的图像矩阵转换为 1*1024 的向量。5）编写 KNN 算法对训练集进行训练，然后对测试集进行预测。如果使用python 的话，可以调用 sklearn.neighbors 中的 KNeighborsClassifier 函数对测试集进行预测。5）真实值与预测值进行比较。数据中的文件按照规则命名...