原创《基于KNN算法的手写数字识别》：本论文为免费优秀的关于手写数字识别论文范文资料，可用于相关论文写作参考。
摘 要：一直以来,让机器具有模式识别能力一直是计算机科学家们的努力方向.研究模式识别,是理解人类智能的本质的重要途径.字符识别是一个典型的模式识别问题,手写数字识别具有不同字符体型相差不大,相同字符有多种不同写法,数字没有上下文关联等特点,这些特点使手写数字识别比较困难.该论文设计了一套基于KNN算法,用Python语言实现手写数字识别系统.先对图片进行预处理,预处理包括灰度化、去噪、二值化等等,再用KNN算法对图片进行分类,手写数字识别也是一个十分类的问题.实验结果表明该文所设计的手写数字识别具有较好的识别率,同时也说明KNN算法在手写数字识别上具有良好的应用.
关键词：KNN算法；Python语言；模式识别；预处理；手写数字识别
中图分类号：TP391.43 文献标识码：A 文章编号：1009-3044（2017）25-0175-03
Abstract： All along, There always been a direction of computer scientists" efforts of Making the machine a pattern recognition capability. Research pattern recognition is an important way to understand the essence of human intelligence. Character recognition is a typical pattern recognition problem. Handwritten digital recognition has different characters. The same characters he many different Wordings, and the numbers are not context-sensitive. These features make handwritten digital recognition difficult. This paper designs a set of KNN algorithm Based on Python language to achieve handwritten digital recognition system. First of all, the image preprocessing, including gray, denoising, binarization, etc., and then use KNN algorithm to classification image, the handwritten digital recognition is a ten classification problem. The experimental results show that the handwritten digital recognition in this paper has a good recognition rate, and also shows that KNN algorithm has a good application in handwritten numeral recognition.
Key words： KNN algorithm； Python language； pattern recognition； preprocessing； handwritten numeral recognition
1 绪论
1.1 研究的背景
光学字符识别是图像处理与模式识别领域的一个重要分支.其目的就是通过扫描,摄像等光学输入方式将汉字报刊,书籍,文稿及其他印刷品的文字转化为图像信息,将图形,表格的图像进行保存,再利用文字识别技术讲图像内的文字或表格中的资料一律变成计算机能识别的文字,以便于计算机的管理维护.它能够减少存储容量,通信交流的信息,循环利用已识别出的文字以及节省因键盘输入而浪费的人力,物力,财力和时间.
手写数字识别是光学字符识别的一个分支,它的研究对象是,如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字[1].手写数字识别属于模式识别,是人工智能的一个重要分支,涉及模式识别和图像处理,人工智能,统计对策理论,模糊数学,组合数学,信息论,计算机等学科.
1.2 手写数字识别的意义和前景
手写数字识别不仅有重大的现实意义,而且有广阔的应用前景,由于当今的经济发展,金融市场发展日益加快,票据业务发展很快,例如个人凭证,支票,,进账单等票据都需要处理大量信息,如果这些信息全依赖人工输入,无疑会浪费大量人力物力,会造成成本高,效率低等问题.所以,手写数字识别显得很有必要.由于阿拉伯数字是唯一的被世界各国通用的符号,所以对手写数字识别的研究基本上与文化背景无关,研究者研究出这一技术,世界可以通用,也为各国研究者提供了一个共同探讨的平台.并且,手写数字识别的方法很容易被推广到其他相关问题上,比如英文字母识别等.
2 KNN算法
2.1 KNN算法的基本介绍
K最近邻（k-Nearest Neighbor,KNN）是一种基于统计学的分类方法,该算法最早于1968年由Cover和Hart提出,作为最简单的机器学习方法,理论上研究已比较成熟[2].
KNN算法主要是在文本分類上有着极好的分类效果,包括信息检索、机器翻译、自动文摘、信息过滤、邮件分类等任务.文本分类在搜索引擎中也有这大量的使用,KNN算法不仅可以用于分类,还可以用于回归.通过找出一个样本的K个最近邻居,将这些邻居的属性的平均值赋给该样本,就可以得到该样本的属性.更有用的方法是将不同距离的邻居对该样本产生的影响给予不同的权值,如权值与距离成正比.还可以用KNN算法做现有用户产品推荐,基于用户的最近邻买了什么产品来推荐.
手写数字识别论文参考资料：
结论：基于KNN算法的手写数字识别为适合不知如何*写数字识别方面的相关专业大学硕士和本科毕业论文以及关于手写数字识别论文开题报告范文和相关职称论文写作参考文献资料下载。
