手写字体识别 --MNIST数据集

Matlab 手写字体识别

忙过这段时间后，对于上次读取的Matlab内部数据实现的识别，我回味了一番，觉得那个实在太小。所以打算把数据换成[MNIST数据集][1]。

基础思想还是相同的，使用TreeBagger（随机森林）的算法来训练样本，从而实现学习并且识别。这一次不会和上次那么草率了….同时分享一些关于TreeBagger的理解。

思想

和我上一个识别花是一样的。使用算法训练训练样本，得到一个模型model，从而使用predict函数根据模型对测试样本进行识别。从而达到手写字体识别的效果。这里我使用了Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun的建有一个手写数字数据库，训练库有60,000张手写数字图像，测试库有10,000张。

这是->Mnist数据集官网<-上面有说明。

但是因为这个网站上的四个文件资源似乎不多，导致下载速度很慢，所以我把他们放在我的云盘里，给大家下载。云盘链接 密码：7awp

因为里面的内容全部是用二进制存的，所以我在的文件里也顺便把解压的.m的文件放进去了，也省得大家到处找。

代码实现

因为要导入的图片太多，一开始我使用imread时我发现，imread似乎是按照一个特定的文件名顺序读取文件的，所以对于我这些有顺序的图片，他不能按照顺序读。所以我自己想了个方法来读取60000张训练样本。

for i=1:60000
str  = strcat('C:\Users\StevenT\Desktop\mnist数据集\train-images-idx3-ubyte\TrainImage_',num2str(i));
name = strcat(str,'.bmp');
name = char(name);
current_img = imread(name);   %将当前图片赋值给一个变量
current_img = reshape(current_img,1,[]); %将矩阵变形
train_image(i,:) = current_img;
end

之后用同样的方法获得10000个测试样本。

对于测试标签和训练标签的读取，直接用textread来读取就可以了。

lable_test = textread('C:\Users\StevenT\Desktop\mnist数据集\t10k-labels-idx1-ubyte\test_lable.txt');

读取到样本和标签之后，对样本和标签进行训练。

model = TreeBagger(500,train_image,lable_train); %使用TreeBagger来对训练样本进行训练，获得一个model

result = predict(model,test_image);  %之后使用model来对测试样本进行预测，将结果存在result内

result = cell2mat(result);   %因为result是cell类的，使用cell2mat转换成字符串

最后输出识别率

sc=double(result) - lable_test;
count=sum(sc(:)==48)/100.0;     %sc用来保存相减的结果，当其等于0（ASCII里是48）的时候就是识别正确的结果，最终得出识别率

整体代码

clear all;
clc;

%导入训练样本

for i=1:60000
str  = strcat('C:\Users\StevenT\Desktop\mnist数据集\train-images-idx3-ubyte\TrainImage_',num2str(i));
name = strcat(str,'.bmp');
name = char(name);
current_img = imread(name);
current_img = reshape(current_img,1,[]); %将矩阵变形
train_image(i,:) = current_img;
end
train_image=double(train_image);

%导入测试样本

for i=1:10000
str  = strcat('C:\Users\StevenT\Desktop\mnist数据集\t10k-images-idx3-ubyte\TestImage_',num2str(i));
name = strcat(str,'.bmp');
name = char(name);
current_img = imread(name);
current_img = reshape(current_img,1,[]); %将矩阵变形
test_image(i,:) = current_img;
end
test_image=double(test_image);

lable_test = textread('C:\Users\StevenT\Desktop\mnist数据集\t10k-labels-idx1-ubyte\test_lable.txt');
lable_train = textread('C:\Users\StevenT\Desktop\mnist数据集\train-labels-idx1-ubyte\train_lable.txt');
% lable_train = lable_train(1:100);
% lable_test = lable_test(1:100);

model = TreeBagger(500,train_image,lable_train); %使用TreeBagger来对训练样本进行训练，获得一个model

result = predict(model,test_image);  %之后使用model来对测试样本进行预测，将结果存在result内

result = cell2mat(result);   %因为result是cell类的，使用cell2mat转换成字符串

sc=double(result) - lable_test;
count=sum(sc(:)==48)/100.0;     %sc用来保存相减的结果，当其等于0（ASCII里是48）的时候就是识别正确的结果，最终得出识别率

这里请大家把地址改成自己的地址。

这是运行后的工作区



count是识别的准确率，已经达到96.82%了

我的在TreeBagger里用了50棵决策树，同时我也尝试过500棵，讲真跑的很久，但是准确率却只提高了1%，所以我认识到这个决策树的个数是没很大影响的…(我的电脑跑的心好累)

这个例子中最重要的莫过于随机森林TreeBagger这个函数所以我在这里发一份博客，我觉得挺好懂的一份（好吧其实是因为有图）

http://www.36dsj.com/archives/21036

关于算法的问题吧，我觉得如果不是想搞算法开发的，还是会用就好：）

以上就是我做的一个小小的手写识别，后面我会把我的用GUI把自己手写的数字识别出来的小补充发出来。同时呢，正在学习SVM ，过段时间学的好的话，我会这个也发出来~~

大家共勉：）