基于机器学习的手写数字识别系统设计与实现

• 作者: 李怡轩
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 机器学习 手写数字 贝叶斯分类器 欧式距离
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 研究与设计
• 页码范围: 78-81
• 页数: 4页
• 分类号: TP311
• 字数: 2073字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2018.08.024

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,机器学习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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李怡轩		21	6	1.0	1.0