基于朴素贝叶斯分类器的简单手写体数字识别

1、基于朴素贝叶斯分类器的 简单手写体数字识别,By shenye,手写数字识别(Handwritten Numeral Recognition)是光学字符识别技术（ Optical Character Recognition,简称OCR)的一个分支。它研究的对象是：,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。,研究的实际背景,在整个OCR领域中，最为困难的就是脱机手写字符的识别。,手写数字识别的应用范围广泛，阿拉伯数字组成的各种编号和统计数据如：邮政编码、统计报表、财务报表、银行票据等等。,研究的理论意义,阿拉伯数字是唯一的被世界各国通用的符号，对手写数字识别的研究基本上与文化背景

2、无关。,目前为止机器的识别本领还无法与人的认知能力相比，这仍是一个有难度的开放问题。,手写数字的识别方法扩展范围广。,研究的难度,一些测试结果表明，数字的正确识别率并不如印刷体汉字识别正确率高，甚至也不如联机手写体汉字识别率高 。主要原因是： 1.不同数字之间字形相差不大，使得准确区分 某些数字相当困难； 2.数字虽然只有十种，笔划简单，但同一数字 写法千差万别，全世界各个国家各个地区的 人都用，其书写上带有明显的区域特性，很 难完全做到兼顾世界各种写法的极高识别率 的通用性数字识别系统。,算法的理论基础,贝叶斯定理 设D1，D2，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的

3、概率，且P(Di)0(i=1，2，n)。对于任一事件x，P(x)0，则有： P(Dj/x)=p(x/Dj)P(Dj)/P(X/Di)P(Di),其中P(x) = P(X/Di)P(Di) P ( Dj)为先验概率, P ( x | Dj)为联合概率(条件概率) , P ( Dj | x)后验概率。,算法的理论基础,朴素贝叶斯分类器 朴素贝叶斯分类器基于一个简单的假定:在给定目标值时属性值之间相互条件独立。换言之,该假定说明给定实例的目标值情况下,观察到联合的a1a2 am 的概率正好是对每个单独属性的概率乘积。 设x = ,则P ( x | Dj) = P ( a1 , a2am | Dj)。

4、 对未知样本X分类时,对每个类Di计算p (X/Di) p (Di) 。样本X被指派到类Di,当且仅当p (X/Di) P (Di) P (X/Dj) P (Dj) ji,也就是X被指派到其p (X/Di) p (Di)最大的类Di中。,方法介绍,从手写体数字提取5个特征向量,记X=(cntH, cntS, cntB, cntP,cntN),方法介绍训练,通过处理板得到手写数字与横竖撇捺线的交点个数及笔画数 即： H, S, B, P,N 和从输入框中得到的输入值V 插入到数据库,通过处理板得到手写数字与横竖撇捺线的交点个数及笔画数 即： cntH, cntS, cntB, cntP,cntN

5、,方法介绍识别,表1：训练集部分数据,由公式： P ( x | Dj) = P ( a1 , a2am | Dj),得到，x= （cntA,cntH,cntS,cntP,cntN）, Dj,0,1,2,3,4,5,6,7,8,9 ， m = 5， a1= cntB,a2=cntH,a3=cntS,a4=cntP,a5=cntN,计算方法通过代码来解析：,while (read.Read()/从数据库中读取训练集 countpV+; /当前数字PV 出现的总个数 datHpH, pV+; /在V=PV条件下H=pH的个数 datSpS, pV+; datPpP, pV+; datNpN, pV+

6、; datApA, pV+; i+;/数据总数 ,max = 0; for (i = 0; i max)/取最大的ansPi max = ansPi; ans = i;/ans即识别出来的值 if (max = 0) MessageBox.Show(无法识别);,这样做的优点是： 用户可按照自己的书写习惯自行创造数据集，这使得工具变得有灵性，不同的用户将创造不同的数据集，工具因此有了不同的记忆，训练得越多，工具的识别能力越强，识别率越高。,总结,左表所示：字符2，3，8的误识率较高，这是由于他们标准特征向量距离较小。通过增加特征向量的方法可以减少误识率。,由实验结果表明，基于朴素贝叶斯分类器的手写数字识别是可行的。,%,在特征向量的提取上，我还有如下几种想法： 将方向设为8个（避免2和3的错误识别）。 与边框的交点（避免8和3的错误识别）。 每一笔的走势（避免1和7的错误识别）。 数字字体的长宽比。 边框内红色像素与非红色像素之比。,一些想法：,一些想法：,另外，通过这个小实验，使我对汉字的识别也有了一些思路： 用上述方法识别输入