《表2 随机手写数字0输入下本方法与其他模板匹配法比较》

  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

《基于客观聚类的手写数字识别方法》

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

在手写数字分类软件模板[5]中随机输入29个数字0，本方法与其他数据驱动及模板匹配法比较如表1和表2所示。由表1和表2可见，对于任意输入的手写数字0，模板匹配法比其他数据驱动方法具有更高的识别精度。在其他数据驱动方法中，精度最低的是势函数法，为24.14%，最高的是Bayes匹配法，为69%。其他模板匹配法中精度最低的是基于类中心的欧几里德距离法，为72.41%；最高的是使用PCA的最近邻模板匹配法，为96.55%，而上述本方法识别精度为100%，说明本方法具有对变形及含噪声数据更强的鲁棒性，并且避免了支持向量机、Hopfiled神经网络等需要参数的初始设置和调节的过程，也避免了PCA最近邻模板匹配和夹角余弦距离法的PCA降维步骤，计算简单，易于实现，识别精度更高；另外本方法采用客观聚类分析对模板集聚类，利用聚类中心代表原始模板集，大大降低了计算量，提高了在线识别的效率。