## 基于KNN算法的手写数字识别
#### 摘要
```
本文手写体数字识别系统的工作主要是运用K最邻近算法实现了对手写体数字的识别，支持上传本地图片和调用摄像头进行拍摄两种识别的途径，同时有添加完善数据集、查看测试集的识别率的功能，形成了一个比较完整的手写数字识别系统。本文还运用python的GUI编程中的tkinter模块设计了一个简洁友好的用户界面。本文重点阐述了手写数字识别图像处理流程，运用KNN算法进行分类识别，同时运用数理统计的方法对K值的选取进行优化，最后对整个系统的实现结果进行了分析。
采用了TestDigits测试集，并对其进行测试，实验的数据显示本文所设计的手写体数字识别系统取得较高的识别率，对上传和拍摄的图片也有着较高的识别率。
```
+ 代码导入流程
1. 安装软件python3.7+、pycharm编译器
2. 将对应代码文件Handwritten_digit_recognition-master解压导入（最好不要有中文路径）
3. 导入相应的模块，有报错根据缺少的模块导入即可，如下
```
pip install pytest
pip install numpy
pip install opencv-python
pip install pillow
```
##### 下方其他资料，在博客最下方有博主名片
+
基于机器学习opencv的手写数字识别系统，有算法有系统 （2000个子文件） 
小论文报告.doc 1.53MB 开题报告相关文档.doc 29KB
readme.md 2KB README.md 253B UI.py 9KB zero_one.py 2KB hand_number.py 2KB check.py 516B get_next_num.py 357B __init__.py 0B
1_99.txt 1KB 3_86.txt 1KB 1_101.txt 1KB 2_94.txt 1KB 2_93.txt 1KB 1_98.txt 1KB 5_110.txt 1KB 5_109.txt 1KB 1_100.txt 1KB temp.txt 1KB 6_195.txt 1KB 9_78.txt 1KB 5_15.txt 1KB 5_71.txt 1KB 3_47.txt 1KB 9_30.txt 1KB 9_40.txt 1KB 2_54.txt 1KB 5_41.txt 1KB 9_51.txt 1KB 0_24.txt 1KB 1_76.txt 1KB 1_15.txt 1KB 5_3.txt 1KB 0_6.txt 1KB 6_16.txt 1KB 5_23.txt 1KB 7_92.txt 1KB 4_69.txt 1KB 3_14.txt 1KB 8_86.txt 1KB 3_3.txt 1KB 1_54.txt 1KB 4_41.txt 1KB 9_74.txt 1KB 8_27.txt 1KB 8_53.txt 1KB 2_43.txt 1KB 8_28.txt 1KB 2_79.txt 1KB 1_62.txt 1KB 3_38.txt 1KB 3_78.txt 1KB 4_22.txt 1KB 2_71.txt 1KB 1_20.txt 1KB 5_40.txt 1KB 9_23.txt 1KB 0_84.txt 1KB 6_60.txt 1KB 8_29.txt 1KB 7_36.txt 1KB 6_12.txt 1KB 7_45.txt 1KB 3_72.txt 1KB 4_52.txt 1KB 9_63.txt 1KB 6_30.txt 1KB 4_62.txt 1KB 4_51.txt 1KB 7_9.txt 1KB 7_48.txt 1KB 5_53.txt 1KB 7_93.txt 1KB 7_40.txt 1KB 7_77.txt 1KB 5_60.txt 1KB 4_97.txt 1KB 1_25.txt 1KB 9_66.txt 1KB 5_24.txt 1KB 8_54.txt 1KB 8_8.txt 1KB 9_11.txt 1KB 8_22.txt 1KB 8_10.txt 1KB 2_32.txt 1KB 5_79.txt 1KB 1_73.txt 1KB 1_29.txt 1KB 4_70.txt 1KB 5_12.txt 1KB 7_15.txt 1KB 2_37.txt 1KB 2_23.txt 1KB 7_73.txt 1KB 2_12.txt 1KB 0_17.txt 1KB 4_79.txt 1KB 2_78.txt 1KB共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
