模式识别课matlab数字识别程序.pdf

名称：模式识别题目：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)fori=1:35filename_1='D:\MATLAB6p5\toolbox\images\imdemos\3\'filename_2='.bmp'a=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0foru=1:20m=0fort=32:36if(e(t,u)==0)m=m+1endendif(m<5)n=n+1endendw(i,1)=nn=0foru=1:36fort=10:18n=n+e(u,t)endendw(i,2)=nfilename_1='D:\MATLAB6p5\toolbox\images\imdemos\4\'filename_2='.bmp'a=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0foru=1:20m=0fort=32:36if(e(t,u)==0)m=m+1endendif(m<5)n=n+1endendq(i,1)=nn=0foru=1:36fort=10:18n=n+e(u,t)endendq(i,2)=nendz=zeros(5,2)x=zeros(5,2)fori=1:5filename_1='D:\MATLAB6p5\toolbox\images\imdemos\3\'filename_2='.bmp'a=num2str(i+35)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0foru=1:20m=0fort=32:36if(e(t,u)==0)m=m+1endendif(m<5)n=n+1endendz(i,1)=nn=0foru=1:36fort=10:18n=n+e(u,t)endendz(i,2)=nfilename_1='D:\MATLAB6p5\toolbox\images\imdemos\4\'filename_2='.bmp'a=num2str(i)b=strcat(filename_1,a)c=strcat(b,filename_2)d=imread(c)e=im2bw(d)n=0foru=1:20m=0fort=32:36if(e(t,u)==0)m=m+1endendif(m<5)n=n+1endendx(i,1)=nn=0foru=1:36fort=10:18n=n+e(u,t)endendx(i,2)=nendd1=10000*ones(5,2)d2=10000*ones(5,2)fori=1:5forj=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(a<d1(i,1))d1(i,1)=aendif(b<d1(i,2))d1(i,2)=bendendif(d1(i,1)<d1(i,2))f(i,1)=1endforj=1:35c=(w(j,1)-x(i,1))*(w(j,1)-x(i,1))+(w(j,2)-x(i,2))*(w(j,2)-x