模式识别课matlab数字识别程序.docVIP

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，强化利用计算机实现模式识别。 实验原理： 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。 分类准则原理： 利用最近邻对测试样本进行分类 实验步骤 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。 利用上述矩阵生成特征向量 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。 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。 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=1:35 filename_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=0 for u=1:20 m=0 for t=32:36 if(e(t,u)==0) m=m+1 end end if(m5) n=n+1 end end w(i,1)=n n=0 for u=1:36 for t=10:18 n=n+e(u,t) end end w(i,2)=n filename_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=0 for u=1:20 m=0 for t=32:36 if(e(t,u)==0) m=m+1 end end if(m5) n=n+1 end end q(i,1)=n n=0 for u=1:36 for t=10:18 n=n+e(u,t) end end q(i,2)=n end z=zeros(5,2) x=zeros(5,2) for i=1:5 filename_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=0 for u=1:20 m=0 for t=32:36 if(e(t,u)==0) m=m+1 end end if(m5) n=n+1 end end z(i,1)=n n=0 for u=1:36 for t=10:18 n=n+e(u,t) end end z(i,2)=n filename_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=0 for u=1:20 m=0 for t=32:36 if(e(t,u)==0) m=m+1 end end if(m5) n=n+1 end end x(i,1)=n n=0 for u=1:36 for t=10:18 n=n+e(u,t) end end x(i,2)=n end d1=10000*ones(5,2) d2=10000*ones(5,2) for i=1:5 for j=1:35 a=(w(j,1)-z(i,1))*(w(j,1)-z(i,1))+(w