基于KNN算法的手寫字母識別.doc

《基于KNN算法的手寫字母識別.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、基于KNN算法的手寫字母識別作者：劉方舟來源：《全國流通經(jīng)濟(jì)》2019年第03期????????摘要：數(shù)據(jù)挖掘是指通過多種算法從海量數(shù)據(jù)中搜索隱藏于其中有用信息的過程。在無序中尋找有序、在紛亂中發(fā)現(xiàn)規(guī)律，是數(shù)據(jù)挖掘的核心價值所在。它主要通過數(shù)理統(tǒng)計、在線分析處理、情報檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)、模式識別等諸多方法來實現(xiàn)既定目標(biāo)。本文利用數(shù)據(jù)挖掘中的K近鄰算法（KNN），根據(jù)從大量手寫英文字母圖像中提取出的原始特征屬性，對手寫字母進(jìn)行計算機(jī)算法自動分類，從而達(dá)到對手寫字母識別的目的。這對于在電腦編輯大大多于手寫文本的快節(jié)奏現(xiàn)實生活中，及時準(zhǔn)確

2、識別出手寫文獻(xiàn)信息內(nèi)容，具有重要意義。????????關(guān)鍵詞：數(shù)據(jù)挖掘;人工智能;KNN;手寫英文字母識別????????中圖分類號：F062.9文獻(xiàn)識別碼：A文章編號：2096-3157（2019）03-0097-03????????一、前言????????在經(jīng)濟(jì)全球化、社會信息化時代，信息傳播更多借助于網(wǎng)絡(luò)，計算機(jī)技術(shù)越來越成為人們生活不可分割的一部分。秉筆傳書的幾率日益下降，而這一趨勢的加快，客觀造成了人們書寫規(guī)范性的弱化，進(jìn)而帶來手寫體識別難度的增加。但不論電腦能在多大程度上代替人的勞動，手動書寫仍然在諸多工作、學(xué)習(xí)、生活領(lǐng)域占據(jù)

3、主導(dǎo)地位。上至文件的簽署、領(lǐng)導(dǎo)的批示、高管的簽字，下至課堂教學(xué)的板書、會議精神的速記、醫(yī)生開出的藥方，都面臨如何快速準(zhǔn)確識別的問題，因此，借助人工智能實現(xiàn)手寫文書的識別，就成為當(dāng)下信息交互迫切需要的應(yīng)用性技術(shù)[1]。這就為數(shù)據(jù)挖掘技術(shù)在手寫文獻(xiàn)識別的運用提供了發(fā)揮的空間。????????近年來，數(shù)據(jù)挖掘在多個領(lǐng)域顯示了技術(shù)優(yōu)勢[2]，如Siri聲音識別、美顏相機(jī)人臉表情識別、情緒識別、智能安全監(jiān)控系統(tǒng)行人姿態(tài)識別等，這對于實行精確化管理、快速偵辦案件、多語種相互轉(zhuǎn)換、疑難病理分析等，都帶來了極大便利[3]。如今，在手寫字母識別領(lǐng)域，人們也

4、進(jìn)行了積極探索，取得了可喜進(jìn)展。但與其他領(lǐng)域相比，還有太多的難題需要破解，關(guān)鍵是技術(shù)路徑的選擇和開發(fā)，急需創(chuàng)新突破。????????二、研究內(nèi)容????????手寫字母識別是計算機(jī)自動辨認(rèn)手寫體英文字母的一種技術(shù)，是光學(xué)字符識別技術(shù)的一個分支[4]。26個英文字母（A，B，C，…，Z）是構(gòu)成英文單詞、句子的最基本元素，在以英語為主要語言的國家的日常生活中十分常用。手寫字母識別的研究通用性很強(qiáng)，如果能夠研究開發(fā)先進(jìn)的計算機(jī)數(shù)據(jù)挖掘算法，使得計算機(jī)能夠自動識別人們手寫的英文字母，對其進(jìn)行分析鑒別，將具有重要的使用意義[5]。????????在

5、人們的日常生活中，手寫字母識別有著十分廣泛的應(yīng)用，例如，將該技術(shù)應(yīng)用于信用卡簽名，用計算機(jī)對信用卡簽名進(jìn)行自動核對，防止信用卡盜刷，大大提高其安全性。使用手寫字母識別技術(shù)可以將歷經(jīng)艱險保存到現(xiàn)在的古代文獻(xiàn)方便地錄入至電腦中，安全地保存其數(shù)據(jù)，避免了傳統(tǒng)方法中主要依賴于人力手工錄入的弊端，大大節(jié)省了人力、物力和財力，防止數(shù)據(jù)隨著原件的損壞而銷毀。使用手寫字母識別技術(shù)可以將紙上的文字錄入至電腦中，方便了歷史資料、文獻(xiàn)等紙媒體文字的保存，使后續(xù)的查閱與修改更加方便、快捷。手寫字母識別還可以應(yīng)用于電腦閱卷系統(tǒng)，通過將學(xué)生在考場上完成的英語作文錄入

6、至電腦中，轉(zhuǎn)換成標(biāo)準(zhǔn)電腦英文字體的文字，方便閱卷者進(jìn)行判分，從而減少了由于學(xué)生自身能力之外的因素（如筆跡混亂，字體模糊，書寫整潔度低等）給老師帶來的閱卷體驗的影響，增加了考試中的公平性。????????三、研究方法????????本實驗的主要目的是利用數(shù)據(jù)挖掘方法[6]，根據(jù)從大量手寫字母圖像中提取出的數(shù)個原始特征屬性進(jìn)行分類，從而達(dá)到手寫字母識別的目的。目前最常用的分類算法是KNN算法[7]。????????鄰近算法，或者說K最近鄰（KNN，k-NearestNeigh-bor）分類算法是數(shù)據(jù)挖掘分類技術(shù)中最簡單的方法之一。所謂K最近鄰

7、，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。????????KNN算法的核心思想是，如果一個樣本在特征空間中的K個最相鄰的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，并具有這個類別上樣本的特性。該方法在確定分類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。KNN方法在類別決策時，只與極少量的相鄰樣本有關(guān)[8]。????????KNN具體計算步驟如下：????????1.計算每一個測試數(shù)據(jù)與所有訓(xùn)練數(shù)據(jù)之間的距離，這里距離的度量通常采用歐式距離以及曼哈頓距離;????????2

8、.將所得到的所有距離，按照遞增關(guān)系進(jìn)行排序;????????3.選取距離最小的K個樣本;????????4.確定前K個樣本所述的類別標(biāo)簽;????????5.返回前K個樣本中出現(xiàn)頻率最高的類別