《表2 BP神经网络和卷积神经网络算法测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进KNN算法的手写数字识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在人工智能领域，基于神经网络算法比基于统计特征分类的KNN算法有更好的识别准确度。为此，笔者也对基于卷积神经网络算法和基于BP神经网络的算法[10]在手写数字集MNIST上进行实验，同样，选定样本数据集数量为3 000，选择测试集中的10 000条测试数据，实验得到两种算法的训练耗时、预测耗时及准确率，结果如表2所示。由表2可知，改进的KNN算法虽然相对于传统KNN算法的准确率提高了3.12%，但相对于神经网络算法，尤其是卷积神经网络算法，仍然有差距。所以，类别差异小的分类与识别宜选择卷积神经网络算法，改进KNN算法复杂度低，可用于类别之间差异大的分类与识别，如电影分类、网页内容分类、话题分类[11]等。