基于朴素贝叶斯分类器的简单手写体数字识别

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。Р5Р算法的理论基础Р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。Р6Р算法的理论基础Р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 = < a1 , a2 ⋯am > ,则P ( x | Dj) = P ( a1 , a2⋯am | Dj)。?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) j≠i,也就是X被指派到其p (X/Di) p (Di)最大的类Di中。Р7Р方法介绍Р从手写体数字提取5个特征向量Р特征向量Р与横线相交?的点数(H)Р与竖线相交?的点数(S)Р比划数(B)Р与撇线相交?的点数(P)Р与捺线相交?的点数(N)Р记X=(cntH, cntS, cntB, tN)Р8Р方法介绍—训练Р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Р9Р▲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, tNР方法介绍—识别Р10