论文部分内容阅读
基于对26个字母识别的研究建立了KNN分类器和MLP神经网络分类器,其中KNN分类器是通过计算待识别字母与已知样本数据中的字母的欧式距离,再选择K个距离最小的样本字母,其中包含样本数最多的类别即为待识别字母所属类别.对于MLP神经网络分类器,则是通过对部分已知的UCI字符数据集进行多次的迭代训练,不断优化权值和阈值,最终得到具有最优权值和阈值的神经网络结构作为分类器完成对字母的识别.经比较两种分类器的分类效果得知,两种分类器中KNN分类器得到结果的精确度为96.5％,相比于MLP分类器识别效果更优.