手写数字识别hebb和SVM

#!/usr/bin/env python

#-*- coding: utf-8 -*-

#code:[e-mail]

import numpy as np

import mlpy

import cv2

print 'loading ...'

def getnumc(fn):

'''返回数字特征'''

fnimg = cv2.imread(fn)

img=cv2.resize(fnimg,(45,45))

alltz=[]

for now_h in xrange(0,45):

xtz=[]

for now_w in xrange(0,45):

b = img[now_h,now_w,0]

g = img[now_h,now_w,1]

r = img[now_h,now_w,2]

btz=255-b

gtz=255-g

rtz=255-r

if btz>0 or gtz>0 or rtz>0:

nowtz=1

else:

nowtz=-1

xtz.append(nowtz)

alltz+=xtz

return alltz

#读取样本数字

x=[]

y=[]

for numi in xrange(1,10):

fn='nums/'+str(numi)+'-'+'1'+'.png'

x.append(getnumc(fn))

y.append(numi)

x=np.array(x)

#以下分别为目标输出数字1－9

d=np.array([[-1,-1,-1,1],

[-1,-1,1,-1],

[-1,-1,1,1],

[-1,1,-1,-1],

[-1,1,-1,1],

[-1,1,1,-1],

[-1,1,1,1],

[1,-1,-1,-1],

[1,-1,-1,1]])

y=np.array(y)

p=np.linalg.inv(np.dot(x,x.T)) #此两行求仿逆矩阵

p=np.dot(p,x)

w=np.dot(d.T,p) #hubb的权值

svm = mlpy.LibSvm(svm_type='c_svc', kernel_type='poly',gamma=10)

svm.learn(x, y)

print u"训练样本测试"

print svm.pred(x)

print u"未知图像测试"

for iii in xrange (1,10):

#testfn= 'nums/test/'+str(iii)+'-test.png'

testfn='nums/'+str(iii)+'-'+'2'+'.png'

testx=[]

testx.append(getnumc(testfn))

print

print testfn+":",

print svm.pred(testx)

print np.dot(w,getnumc(testfn))#hubb输出结果 本来要加硬极限函数的

#程序中每个数字只有一个训练样本 同时用hebb和SVM方法，正确率都比较低，虽然现在还没有学过SVM，后面应该会学到，奇怪的是hebb和SVM判错的结果几乎一样