基于主成分降维模型的手写数字识别研究

◆杨济萍

基于主成分降维模型的手写数字识别研究

◆杨济萍

（兰州交通大学 甘肃 730070）

手写数字识别是光学字符识别技术的一个分支，因其受不同国家背景、个人书写习惯等因素的影响，脱机手写数字识别依旧是模式识别领域的重要难题.因此如何利用适当的图像预处理过程消除冗杂信息对特征提取的影响，为不同形态的手写体数字提供精准高效的算法模型是本文所研究的重点。

手写数字识别；K近邻；支持向量机；主成分分析

1 绪论

1.1 光学字符识别

计算机文字识别是一类光学字符识别（Optical Character Recognition，简称OCR），是一个结合模式识别的基本理论和许多典型处理技术的应用，数字识别是模式识别领域中的冰山一角，在各类字符识别理论和技术的推广上有着不可小觑的潜力。其中，数字识别中的脱机手写数字识别因其不同国家背景、个人书写习惯等因素的影响，对比人脑数字识别准确率较低，因而寻找较高识别准确率和较快识别速度的系统算法一直是学者们研究的热点。

1.2 本文研究意义与论文组织结构

本文选取阿拉伯数字为对象，采取KNN、SVM等经典算法与PCA-KNN、PCA-SVM优化模型实现阿拉伯数字的脱机手写数字识别，本文拟从手写数字图像预处理、单一识别算法模型和PCA“降维”优化后的手写数字识别模型三大模块进行。

文章通过对手写图像的处理还原了MNIST数据集的创建过程，在基本预处理如图像规范化、“平滑去噪”等步骤后。本文通过SVM算法与KNN算法，对比单一模型实现图像识别效果。……