[发明专利]手写数字图像识别分类方法

权利要求书

1.一种手写数字图像识别分类方法，其特征在于，具体包括如下步骤：

1)从数据集之中，随机选取数据中6万张图片作为训练集，训练集中包含0至9这10个手写数字图片各6千张，数据集中的图片图像大小为28*28；

2)、对选取的图像进行二值化处理，将待识别图像转换为二进制图像，再将图像大小进行缩放，统一缩放为大小10*10的图像，最后再将此10*10的图像进行重新排列，将其转换为1*100的维度数组；

3)、将训练集经过步骤2)处理后的6万个1*100的维度数组打乱顺序后带入BP神经网络进行训练，形成一个已经训练好的神经网络，将其称为一个弱分类器；然后再重新打乱数据顺序后带入神经网络中进行训练得到第二个弱分类器；同样方法得到数个弱分类器；

4)利用改进的ADABOOST算法将数个弱分类器组合在一起，形成一个强分类器，最后将用强分类器对数据分类识别。

2.根据权利要求1所述手写数字图像识别分类方法，其特征在于，所述步骤4)中ADABOOST算法改进方法如下：

4.1)对原有的ADABOOST算法的判决策略进行改进，原ADABOOST算法中的分类函数：

式中，y(x)表示由BP网络分类所得到的结果，x为所输入的图像数据，a_t表示预测训练权重，T为ADABOOST中所包含的BP网络个数,定义为：

式中，e_t为分布权值之和，定义为：

式中，D_t(i)为分布权值，分布权值初始化为1/m，m为训练数据组数；

4.2)将h(x)进行更改让其更加优化，更改如下：

4.2.1)在步骤3)中根据所得到的结果分别统计“0”“1”，“2”,“3“4”,“5”,“6”,“7”,“8”,“9”的6000张图片输出的结果，将其结果构成10个1*6000的矩阵，统一记为y_n(x_j)，其中j＝1～6000，n＝0～9代表0～9的结果；

4.2.2)将各自类别中的结果乘上预测训练权重a_t，得到了10个1*6000的新矩阵，将其记为w_n(x)，其公式如下：

4.2.3)计算0～9各自结果矩阵w_n(x)的平均值，将这10个平均值按照数字0～9的顺序依次归入同一个矩阵中，将其记为ave(x)，便得到了按0～9依次排列的一个矩阵；

4.2.4)在ave(x)将相邻的两个数再进行一次平均值计算，即将ave(x)中“0”和“1”的值进行一次平均值计算，接着是“1”和“2”依此类推，将得到9个平均值，将其依次记为c1，c2，……，c9，最终的分类函数为：