您好,登錄后才能下訂單哦!
這篇文章主要介紹“C++學(xué)習(xí)貝葉斯分類器怎么實現(xiàn)手寫數(shù)字識別”,在日常操作中,相信很多人在C++學(xué)習(xí)貝葉斯分類器怎么實現(xiàn)手寫數(shù)字識別問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”C++學(xué)習(xí)貝葉斯分類器怎么實現(xiàn)手寫數(shù)字識別”的疑惑有所幫助!接下來,請跟著小編一起來學(xué)習(xí)吧!
下面我們簡單了解一下:
首先,貝葉斯公式是
具體的解釋就不說了,我們說一說把貝葉斯用在數(shù)字識別的什么位置。除了識別部分,其他的包括遍歷文件夾和圖片數(shù)字化都不變;0到9共十個數(shù),所以分母有十項,P(Bj)(j是下標(biāo))相應(yīng)的是0到9,則每一個的概率是1/10,分子上的P(Bi)是取到0到9中的一個,所以概率也是1/10。
(小伙伴如果看不明白建議去看看貝葉斯)所以我們分母可以提出來并約分,然后式子Pi/(P1+P2+P3+P4+P5+P6+P7+P8+P9)(Pi就是P(A|Bi),其他的就是i分別取值),變成這樣后,i取0——9的某個數(shù)就是測試樣本是這個數(shù)的概率,比如:i=0,表示測試用例是0的概率為P1/(P1+P2+P3+P4+P5+P6+P7+P8+P9+P10)(1就是對應(yīng)數(shù)字0)。
那么我們該如何找到Pin呢,我們是通過統(tǒng)計樣本每一位為1的概率,這樣說可能不太清楚,也就是假如一張0的圖片的數(shù)據(jù)化字符串為0000000000100000111000010010001010000111000000000(49位),我們一位一位的去統(tǒng)計每一位為1的個數(shù)(如下圖,也就是縱向的統(tǒng)計每個樣本的第某位為1的個數(shù)),最后除以總數(shù),我的訓(xùn)練庫一個數(shù)字的樣本有100張,假如我們統(tǒng)計到數(shù)字0的所有樣本的第一位數(shù)字為1的個數(shù)為46個,那么數(shù)字0的第一位為1的概率為0.46,其他位也是依次統(tǒng)計,其他數(shù)字同上。
最終我們可以統(tǒng)計到每個數(shù)字的每一位為1的概率形成一個10*49的二維數(shù)組,即10個數(shù)字,每個數(shù)字49位。然后我們?nèi)∫粋€測試用例,依次與10個數(shù)字進(jìn)行計算概率,最后得到的概率比較大小,那么我們?nèi)绾稳ビ嬎銣y試用例是某個數(shù)字的概率呢?下面我們把49位簡單的看成3位,假如數(shù)字0的第一、二、三位為1的概率是0.56、0.05、0.41,而測試用例的數(shù)據(jù)字符串為101,那么我們?nèi)?的概率直接乘,為0的用1減去這個概率,再乘起來,也就是0.56*0.95*0.41。到這里就差不多使我們的所有思路了。
其他的思路解釋看上次的文章,鏈接 C++編程模板匹配超詳細(xì)的識別手寫數(shù)字實現(xiàn)示例
下面是我的代碼,首先opencv得自己安裝,這里我給一個鏈接,可以參照上的步驟來
Window系統(tǒng)下Python如何安裝OpenCV庫
另外,我的Bayes這個函數(shù)太長了,應(yīng)該分成幾個函數(shù)的,這樣會更好調(diào)試和閱讀
詳細(xì)的代碼解釋都在注釋里,仔細(xì)的看看理解就好了,如果有更好的方法和思路,歡迎交流學(xué)習(xí)!
#include<iostream> #include<fstream> #include<opencv2/opencv.hpp> #include<opencv2/highgui.hpp> #include<opencv2/core.hpp> #include<io.h> //api和結(jié)構(gòu)體 #include<string.h> #include<string> #include<sstream> //string 轉(zhuǎn) int 數(shù)據(jù)類型包含 using namespace std; using namespace cv; void ergodicTest(string filename, string name); //遍歷函數(shù) string Image_Compression(string imgpath); //壓縮圖片并返回字符串 void Bayes(); //貝葉斯分類器 int turn(char a); void main() { const char* filepath = "E:\\learn\\vsfile\\c++project\\pictureData\\train-images"; ergodicTest(filepath, "train_num.txt"); //處理訓(xùn)練集 const char* test_path = "E:\\learn\\vsfile\\c++project\\pictureData\\test-images"; ergodicTest(test_path, "test_num.txt"); Bayes(); } void ergodicTest(string filename, string name) //遍歷并把路徑存到files { string firstfilename = filename + "\\*.bmp"; struct _finddata_t fileinfo; intptr_t handle; //不能用long,因為精度問題會導(dǎo)致訪問沖突,longlong也可 string rout = "E:\\learn\\vsfile\\c++project\\pictureData\\" + name; ofstream file; file.open(rout, ios::out); handle = _findfirst(firstfilename.c_str(), &fileinfo); if (_findfirst(firstfilename.c_str(), &fileinfo) != -1) { do { file << fileinfo.name<<":"<< Image_Compression(filename + "\\" + fileinfo.name) << endl; } while (!_findnext(handle, &fileinfo)); file.close(); _findclose(handle); } } string Image_Compression(string imgpath) //輸入圖片地址返回圖片二值像素字符 { Mat Image = imread(imgpath); //輸入的圖片 cvtColor(Image, Image, COLOR_BGR2GRAY); int Matrix[28][28]; //將digitization轉(zhuǎn)化為字符串類型 for (int row = 0; row < Image.rows; row++) //把圖片的像素點傳給數(shù)組 for (int col = 0; col < Image.cols; col++) { Matrix[row][col] = Image.at<uchar>(row, col); } string img_str = ""; //用來存儲結(jié)果字符串 int x = 0, y = 0; for (int k = 1; k < 50; k++) { int total = 0; for (int q = 0; q < 4; q++) for (int p = 0; p < 4; p++) if (Matrix[x + q][y + p] > 127) total += 1; y = (y + 4) % 28; if (total >= 6) img_str += '1'; //將28*28的圖片轉(zhuǎn)化為7*7即壓縮 else img_str += '0'; if (k % 7 == 0) { x += 4; y = 0; } } return img_str; } int turn(char a) //這個函數(shù)是把string類型轉(zhuǎn)換成int類型 { stringstream str; int f = 1; str << a; str >> f; str.clear(); return f; } void Bayes() { ifstream data_test, data_train; //從兩個數(shù)據(jù)字符串文件中取數(shù)據(jù)的文件流 string temp; //中間暫存字符串的變量 double count[10] = { 0 }; //用來計數(shù)每個數(shù)字樣本1個數(shù) double probability[10][49] = { 0 }; int t = 0; //避免算數(shù)溢出 for (int i = 0; i < 49; i++) //按列處理訓(xùn)練樣本(每一個樣本數(shù)據(jù)長度位49位) { data_train.open("E:\\learn\\vsfile\\c++project\\pictureData\\train_num.txt"); for (int j = 0; j < 1000; j++) //按順序取一千次數(shù)據(jù) { getline(data_train, temp); //順序取每一行數(shù)據(jù) if (temp.length() == 57) //本來長度是49,因為我有文件名所以要跳過文件名 { t = i + 8; //用t來代替i+8是因為string的[]中沒有+-重載,好像是這樣 if (turn(temp[t]) == 1) count[turn(temp[0])]++; //相應(yīng)數(shù)字為1計數(shù)加1 else continue; } else if(temp.length() == 58) { t = i + 9; //有的文件名為8位有的為9位 if (turn(temp[t]) == 1) count[turn(temp[0])]++; //相應(yīng)數(shù)字 else continue; } } data_train.close(); //一定要注意文件流打開和關(guān)閉的時機,打開和關(guān)閉一次之間是一次完整的遍歷(getline) for (int q = 0; q < 10; q++) { probability[q][i] =count[q] / 100.0; //計算每個數(shù)字?jǐn)?shù)據(jù)樣本的每一位1的概率 count[q] = 0;//循環(huán)還要使用count,所以要初始化 } } double probab[10] = { 1,1,1,1,1,1,1,1,1,1 }; //該數(shù)組是這個數(shù)字的概率(10個數(shù)字) data_test.open("E:\\learn\\vsfile\\c++project\\pictureData\\test_num.txt"); double temp_prob = 0; //對比可能性的中間變量:概率 int temp_num = -1; //對比可能性的中間變量:數(shù)字 bool flag = true; //標(biāo)志拒絕識別,假就拒絕 int num_r = 0, num_f = 0, num_t = 0; //分別表示拒絕,錯誤,正確 for (int d = 0; d < 200; d++) //200個測試樣本 { for (int o = 0; o < 10; o++) probab[o] = 1;//初始化概率數(shù)組,雖然前面有初始化,但是我們循環(huán)會多次使用,所以我們要每循環(huán)一次初始化一次 getline(data_test, temp); for (int y = 0; y < 10; y++) //分別和每個數(shù)字得出一個概率,既該測試用例是這個數(shù)字的概率 { for (int s = 0; s < 49; s++) //49位對應(yīng)去累乘得到概率 { if (temp.length() == 57) { t = s + 8; if (turn(temp[t]) == 1) probab[y] *=1+probability[y][s]; //加1是因為零點幾越乘越小,不好比較,而且有的概率可能為0, else probab[y] *= 2 - probability[y][s]; //同樣的,為0的概率也要加上1 } else { t = s + 9; if (turn(temp[t]) == 1) probab[y] *=1+probability[y][s]; //相應(yīng)數(shù)字 else probab[y] *= (2 - probability[y][s]); } } } flag = true; //標(biāo)志置位真 temp_prob = 0; //重置中間變量 temp_num = -1; //開始前不標(biāo)識為任何數(shù)值 for (int l = 0; l < 10; l++) //比較測試用例是某個數(shù)字的概率,確定最大的那個 { if (probab[l] > temp_prob) { temp_prob = probab[l]; temp_num = l; flag = true; //不被拒絕 } else if (probab[l] == temp_prob ) { flag = false; //拒絕識別 } } if (!flag) { num_r++; } else { cout << temp[0] << " " << temp_num << endl; if (temp_num == turn(temp[0])) { cout << "識別為:" << temp_num << endl; num_t++; } else { cout << "識別錯誤!" << endl; num_f++; } } } data_test.close(); cout << "拒絕識別率為:" << num_r / 200.0 << endl; cout << "正確識別率為:" << num_t / 200.0 << endl; cout << "錯誤識別率為:" << num_f / 200.0 << endl; }
注意,我的代碼用的樣本圖片都是處理好的二值bmp圖片,另外代碼里的txt文檔需要手動建,伙伴們可以自行修改,添加創(chuàng)建文本的語句。
到此,關(guān)于“C++學(xué)習(xí)貝葉斯分類器怎么實現(xiàn)手寫數(shù)字識別”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識,請繼續(xù)關(guān)注億速云網(wǎng)站,小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。