数字手写识别——Java实现KNN算法

引言

手写识别也是当前机器学习的一大热点，数字手写识别是手写识别中的基础，我们用到的是knn算法，今天给大家讲一下我的实现方法；

---

环境

IDE：Eclipse
语言：Java

---

项目：数字手写识别

思路

数据采集：我们知道，一张图片可以被看作一个个点组成的矩阵，对于手写数字，我们只要创建一个全0数组当作背景，手写完毕把数字所占区域置为1，就可以保存当作一个样本了，如下图所示。

算法:KNN算法，其距离度量我们采用欧拉距离。
欧拉距离计算方法：我们将数组看作40*40向量，采用距离公式计算。

实现

一、面板

请原谅作者对于美笨拙的感知，我所绘制的界面不能够再简单了。如图:

面板按钮介绍：

• Identify：识别手写的数字；
• Save this example: 保存这个样例到数据集；
• 数字下拉框：相当于保存数据集的标签，例如，要保存手写“2”，先下拉选好2再保存即可

二、存储

在数据读取存储上走了很多弯路，之后要好好总结下数据流的几个传输方式。
我们将每张图片转化为一个二维数组后，存放进一个txt文件中。对于每个单独的文件，我们要产生一个独一无二的文件名，所以文件取名方式采取“数字+随机id .txt”的格式命名，随机id我们通过构造UID对象，获取其hashcode值作为id。

            //获取下拉框选中的数字
            String selectedNumber=cbItem.getSelectedItem().toString();
            UID id=new UID();
            //文件的前缀路径
            String rootPath="C:\Users\DearYou\eclipse-workspace\GUI\src\Demo\handwritingIdentify\TrainingData\";
            //生成文件名
            String fileName=selectedNumber+"-"+id.hashCode();
            //生成绝对路径下的一个文件
            String absoluteFile=rootPath+fileName+".txt";
            File file=new File(absoluteFile);
            try {
                //创建文件
                if(!file.exists())
                    file.createNewFile();
                //将数组写入文件
                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算法实现

Common thinking :KNN目的是找到k个离测试样本最近的训练样本，看了下同学的方法，大多都使用了排序，但自己想想排序实在是多余，一个排序就将复杂度升到了O(nlgn)，数据容量一大，性能就会下降。
My thinking：我想我们只要找到k个距离最近的样本，和顺序并没有关系。笔者细想了一下，我么只要构建一个大小为k的数组或者队列，对于前k个元素，我们直接放进数组，后面的n-k个元素，我们找到存放在数组中的k个元素中最大值，将二者比较看是否替代。这样我们只需遍历一遍，复杂度降为O(n),也是一种小优化。

    伪代码：
    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、预测

方法如下展示：

我们也可以在识别之后保存该样本，这样不能不断扩大数据集，让精度更高。

---

总结

虽然能在O(n)复杂度里实现Knn算法，但是我的knn延展性太差，我应该可以把这个knn的参数换成算好的距离，而不是传入的数组，这样就能将这个KNN封装好方便以后再用。
源代码参考地址：https://github.com/Gray-way/HandwritingRecognition