模式识别课matlab数字识别程序.pdf
名称:题目:模式识别数字3和4的识别实验目的与要求:利用已知的数字样本3 和 4,提取样本特征,并确定分类准则,在用测试样本对分类确定准则的错误率进行分析。进一步加深对模式识别方法的理解,强化利用电脑实现模式识别。实验原理:1.特征提取原理:利用 MATLAN 软件把图片变为一个二维矩阵,然后对该矩阵进行二值化处理。由于“3”的下半部分在横轴上的投影比“4”的下半部分在横轴上的投影宽,所以可以统计3 4在横轴上投影的1的个数作为一个特征。又由于 4中间纵向比3的中间1的个数多,所以可以统计4和3中间区域1的个数作为另外一个特征,又考虑 4的纵向可能会有点偏,所以在统计一的个数的时候,取的范围稍微大点,但不能太大。2.分类准则原理:利用最近邻对测试样本进行分类实验步骤1.利用 MATLAN 软件把前 30 个图片变为一个二维矩阵,然后对该矩阵进行二值化处理。2.利用上述矩阵生成特征向量3.利用 MATLAN 软件把后 5 个图片变为一个二维矩阵,然后对该矩阵进行二值化处理。4.对测试样本进行分类,用 F 矩阵表示结果,如果是1表示分类正确,0表示分类错误。5.对分类错误率分析实验原始程序:f=zeros(5,2)w=zeros(35,2)q=zeros(35,2)for i=1:35filename_1=D:MATLAB6p5toolboximagesimdemos3filename_2=.bmpa=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0for u=1:20m=0for t=32:36if(e(t,u)=0)m=m+1endendif(m5)n=n+1endendw(i,1)=nn=0for u=1:36for t=10:18n=n+e(u,t)endendw(i,2)=nfilename_1=D:MATLAB6p5toolboximagesimdemos4filename_2=.bmpa=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0for u=1:20m=0for t=32:36if(e(t,u)=0)m=m+1endendif(m5)n=n+1endendq(i,1)=nn=0for u=1:36for t=10:18n=n+e(u,t)endendq(i,2)=nendz=zeros(5,2)x=zeros(5,2)for i=1:5filename_1=D:MATLAB6p5toolboximagesimdemos3filename_2=.bmpa=num2str(i+35)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0for u=1:20m=0for t=32:36if(e(t,u)=0)m=m+1endendif(m5)n=n+1endendz(i,1)=nn=0for u=1:36for t=10:18n=n+e(u,t)endendz(i,2)=nfilename_1=D:MATLAB6p5toolboximagesimdemos4filename_2=.bmpa=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0for u=1:20m=0for t=32:36if(e(t,u)=0)m=m+1endendif(m5)n=n+1endendx(i,1)=nn=0for u=1:36for t=10:18n=n+e(u,t)endendx(i,2)=nendd1=10000*ones(5,2)d2=10000*ones(5,2)for i=1:5for j=1:35a=(w(j,1)-z(i,1)*(w(j,1)-z(i,1)+(w(j,2)-z(i,2)*(w(j,2)-z(i,2)b=(q(j,1)-z(i,1)*(q(j,1)-z(i,1)+(q(j,2)-z(i,2)*(q(j,2)-z(i,2)if(ad1(i,1)d1(i,1)=aendif(bd1(i,2)d1(i,2)=bendendif(d1(i,1)c)d2(i,1)=cendif(d2(i,2)d)d2(i,2)=dendendif(d2(i,1)d2(i,2)f(i,2)=1EndEnd实验结果:错误率为 0.1,符合要求。心得体会:通过本次实验,使我们对模式识别有了更进一步的理解,并基本掌握了用电脑实现简单的模式识别,到达了实验目的。