基于KNN算法实现手写数字识别的探索

KNN算法是将学习样本中距待预测样本中最近的k个样本作为判断依据,并根据其中大多数所属类别预测待预测样本属性的一种分类算法。本文描述了使用KNN算法初步实现了手写数字识别,分析了其固有的效率低、时空复杂度高等弊端,在实际测算中测得其准确率高于98.7%,并提供了一种的改进方案,使得KNN算法的时间效率得到了质的飞跃,但与此同时准确度有一定幅度降低。KNN算法及其优化为手写数字识别提供了一种新的解决方案。