【Python】基于kNN算法的手写识别系统的实现与分类器测试

本文介绍了使用kNN算法实现手写数字识别的过程,包括数据准备(手绘数字并转为BMP文件),将图片转换为一维向量,以及kNN、欧氏距离和马氏距离的算法实现。通过测试分类器,得到30%的错误率,强调了理解算法和改进数据质量的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基于kNN算法的手写识别系统

                                                                                                                                      

1.      数据准备

使用windows画图工具,手写0-9共10个数字,每个数字写20遍,共200个BMP文件。

方法如下,使用画图工具,打开网格线,调整像素为32*32,如下图所示

将文件保存为单色BMP文件


2.      将图片文件转换为一维向量

1)        以二进制方式打开BMP文件3_0.txt

 

2)        根据BMP文件编码规则可知,单色位图BMP文件从第63-190位共128位是BMP位图数据部分。截取数据部分。


3)        将其转化为8位2进制文件,然后写入3_0.txt,并注意到每32个字节需要加入一个换行符

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值