數字手寫識別——Java實現KNN算法

引言

手寫識別也是當前機器學習的一大熱點，數字手寫識別是手寫識別中的基礎，我們用到的是knn算法，今天給大家講一下我的實現方法；

---

環境

IDE：Eclipse
語言：Java

---

項目：數字手寫識別

思路

數據採集：我們知道，一張圖片可以被看作一個個點組成的矩陣，對於手寫數字，我們只要創建一個全0數組當作背景，手寫完畢把數字所佔區域置爲1，就可以保存當作一個樣本了，如下圖所示。

算法:KNN算法，其距離度量我們採用歐拉距離。
歐拉距離計算方法：我們將數組看作40*40向量，採用距離公式計算。

實現

一、面板

請原諒作者對於美笨拙的感知，我所繪製的界面不能夠再簡單了。如圖:

面板按鈕介紹：

• Identify：識別手寫的數字；
• Save this example: 保存這個樣例到數據集；
• 數字下拉框：相當於保存數據集的標籤，例如，要保存手寫“2”，先下拉選好2再保存即可

二、存儲

在數據讀取存儲上走了很多彎路，之後要好好總結下數據流的幾個傳輸方式。
我們將每張圖片轉化爲一個二維數組後，存放進一個txt文件中。對於每個單獨的文件，我們要產生一個獨一無二的文件名，所以文件取名方式採取“數字+隨機id .txt”的格式命名，隨機id我們通過構造UID對象，獲取其hashcode值作爲id。

            //獲取下拉框選中的數字
            String selectedNumber=cbItem.getSelectedItem().toString();
            UID id=new UID();
            //文件的前綴路徑
            String rootPath="C:\\Users\\DearYou\\eclipse-workspace\\GUI\\src\\Demo\\handwritingIdentify\\TrainingData\\";
            //生成文件名
            String fileName=selectedNumber+"-"+id.hashCode();
            //生成絕對路徑下的一個文件
            String absoluteFile=rootPath+fileName+".txt";
            File file=new File(absoluteFile);
            try {
                //創建文件
                if(!file.exists())
                    file.createNewFile();
                //將數組寫入文件
                FileWriter out = new FileWriter(file);
                for(int i=0;i<40;i++) {
                    for(int j=0;j<40;j++) {
                        out.write(pixel[i][j]+"");
                    }
                }
                out.flush();
                out.close();
            }catch(Exception e1) {
                e1.printStackTrace();
            }

三、Knn算法實現

Common thinking :KNN目的是找到k個離測試樣本最近的訓練樣本，看了下同學的方法，大多都使用了排序，但自己想想排序實在是多餘，一個排序就將複雜度升到了O(nlgn)，數據容量一大，性能就會下降。
My thinking：我想我們只要找到k個距離最近的樣本，和順序並沒有關係。筆者細想了一下，我麼只要構建一個大小爲k的數組或者隊列，對於前k個元素，我們直接放進數組，後面的n-k個元素，我們找到存放在數組中的k個元素中最大值，將二者比較看是否替代。這樣我們只需遍歷一遍，複雜度降爲O(n),也是一種小優化。

    僞代碼：
    KnnNode[] dist=new KnnNode[k];
    for(int i=0->k){
        KnnNode temp=new KnnNode(distance);
        dist.append(temp)
    }
    for(the rest of test set){
        if(temp.distance < the maximum element in dist)
            dist[index of max]=temp;
    }

四、預測

方法如下展示：

我們也可以在識別之後保存該樣本，這樣不能不斷擴大數據集，讓精度更高。

---

總結

雖然能在O(n)複雜度裏實現Knn算法，但是我的knn延展性太差，我應該可以把這個knn的參數換成算好的距離，而不是傳入的數組，這樣就能將這個KNN封裝好方便以後再用。
源代碼參考地址：https://github.com/Gray-way/HandwritingRecognition