About=======This is a handwritten d

About
=======
This is a handwritten digit recognizer that uses a nearest neighbor classifier to recognize handwritten single digits.


Files:
=======
readDATA.m -> reads in the MNIST dataset. The data should be in a subdirectory called 'MNIST'
loadHndDATA.m -> reads in the manually collected images. These images should in a subdirectory called 'img'
procTD.m -> Processes the MNIST training set and bounds the images to 28x28 bounding box.
proc.m -> Processes a test image and bounds it in a 28x28 bounding box.
approach1.m -> Does classification using raw features
approach2.m -> Binds digits to a bounding box and then applies nearest neighbor classifer
approach3.m -> Does nearest neighbor classification with K = 3.
extract.m -> Finds the bounding box in an image with a digit and returns that bounding box.
binarze.m -> Converts an image to a binary image of 0s and 1s.
pca.m -> Implements PCA
dopca.m -> Tests PCA apporach to see how well it does.
darken.m -> Converts white background in a image to a black background.
test.m -> Tests nearest neighbor classifier on MNIST dataset. Currently set to test all 10,000 images; edit sizeTest for smaller size.
testk.m -> Tests k-nearest neighbor classifier on MNIST dataset. Set to test 2,000 images; edit sizeTest for different size.
Takes one parameter, k.


Before Running
==============
Make sure that the directory structure is as follows:

1) MNIST/ : This directory should contain all of the MNIST raw data set and it should be in extracted form. You can download the dataset from http://yann.lecun.com/exdb/mnist/
2) img/ : This should contain the 200 scanned images.

If you do not have this structure, you will get a file not found error as the scripts expects the data to be in these locations.


MNIST Dataset
===================
For the classification of the MNIST dataset, the relevant files are :
test.m, and testk.m.

When you run these you scripts you will get a current estimate of how well the classifier is doing on test data.
Refers to the files description above to infer what each file does and for more details please see the report of Varun Ravishankar.


Independent Dataset
===================
For the classification of the independently gathered dataset, the relevant files are :
approach1.m ; approach2.m and approach3.m and dopca.m.

When you run these you scripts you will get a current estimate of how well the classifier is doing on test data. Also note that
the scripts output estimated time of completion when carrying out computationally intensive task that can take a while to run.
Refers to the files description above to infer what each file does and for more details please see the report of Jervis Muindi.

License
===================
All source code is licensed under the Simplified BSD license (2-clause BSD). All documentation is licensed under the FreeBSD Documentation License.

Kết quả (Việt) 1:

Về=======Đây là một bộ nhận dạng chữ viết tay sử dụng một loại hàng xóm gần nhất công nhận viết tay chữ số duy nhất.Tập tin:=======readDATA.m -> đọc trong bộ dữ liệu MNIST. Các dữ liệu cần trong một thư mục con được gọi là 'MNIST'loadHndDATA.m -> đọc trong những hình ảnh thu thập được theo cách thủ công. Những hình ảnh nên trong một thư mục con được gọi là 'img'procTD.m -> quy trình MNIST đào tạo tập hợp và giới hạn các hình ảnh để các giáp ranh hộp 28 x 28.proc.m -> xử lý hình ảnh thử nghiệm và giới hạn trong 28 x 28 các giáp ranh hộp.approach1.m -> phân loại để sử dụng tính năng nguyênapproach2.m -> Binds chữ số vào một hộp bounding và sau đó áp dụng gần nhất hàng xóm classiferapproach3.m -> hiện gần nhất hàng xóm phân loại với K = 3.Extract.m -> Tìm các giáp ranh các hộp trong một hình ảnh với một chữ số và trả về hộp bounding đó.-> binarze.m chuyển đổi một hình ảnh với hình ảnh nhị phân của các số 0 và 1s.PCA.m -> thực hiện PCAdopca.m -> xét nghiệm PCA apporach để xem như thế nào nó làm.Darken.m -> chuyển đổi trắng nền trong một hình ảnh cho một nền đen.Test.m -> kiểm tra gần nhất hàng xóm loại trên MNIST bộ dữ liệu. Hiện nay thiết lập để kiểm tra tất cả các hình ảnh 10.000; chỉnh sửa sizeTest cho các kích thước nhỏ hơn.testk.m -> thử nghiệm k gần nhất xóm loại trên MNIST bộ dữ liệu. Thiết lập để kiểm tra 2.000 hình ảnh; chỉnh sửa sizeTest cho các kích thước khác nhau. Phải mất một tham số, k.Trước khi chạy==============Hãy chắc chắn rằng cấu trúc thư mục như sau:1) MNIST /: thư mục này chứa tất cả các tập dữ liệu nguyên MNIST và nó phải trong các hình thức chiết xuất. Bạn có thể tải về bộ dữ liệu từ http://yann.lecun.com/exdb/mnist/2) img /: điều này nên chứa những hình ảnh được quét 200.Nếu bạn không có cấu trúc này, bạn sẽ nhận được một tập tin không tìm thấy lỗi như các script sẽ dữ liệu trong các địa điểm này.MNIST bộ dữ liệu===================Để phân loại số liệu MNIST, các tập tin có liên quan là:Test.m, và testk.m.Khi bạn chạy script cho các bạn bạn sẽ nhận được một ước tính hiện tại như thế nào loại làm việc trên dữ liệu thử nghiệm.Dùng để chỉ tập tin mô tả ở trên để suy luận gì của mỗi tập tin và cho biết thêm chi tiết xin vui lòng xem báo cáo của hoàng Ravishankar.Bộ dữ liệu độc lập===================Để phân loại số liệu đã thu thập một cách độc lập, các tập tin có liên quan là:approach1.m; approach2.m và approach3.m và dopca.m.Khi bạn chạy script cho các bạn bạn sẽ nhận được một ước tính hiện tại như thế nào loại làm việc trên dữ liệu thử nghiệm. Cũng lưu ý rằngCác kịch bản đầu ra thời gian dự kiến hoàn thành khi thực hiện nhiệm vụ computationally chuyên sâu mà có thể mất một thời gian để chạy.Dùng để chỉ tập tin mô tả ở trên để suy luận gì của mỗi tập tin và cho biết thêm chi tiết xin vui lòng xem báo cáo của Jervis Muindi.Giấy phép===================Tất cả các mã nguồn được cấp phép theo giấy phép BSD đơn giản (2-khoản BSD). Tất cả các tài liệu được cấp phép theo giấy phép tài liệu FreeBSD.

Kết quả (Việt) 3:

Về=======Đây là một kiểu chữ viết số thiết bị nhận diện, sử dụng gần đây O dạng viết tay của một chữ số.Thư mục:=======Readdata. M - > đọc MNIST bộ dữ liệu.Dữ liệu nên ở một danh là "mẫu".Loadhnddata. M - > tự lấy ảnh.Những hình ảnh nên trong tên "IMG".Proctd. M - >. MNIST huấn luyện tập và biên giới 28x28 bao vây hình hộp.Đúc, M - >. Kiểm tra ảnh và ranh giới 28x28 bao vây trong hộp.1,6 m - > không sử dụng đặc điểm nguyên thủy phân loạiApproach2. M - > kết hợp với hộp số bao vây, sau đó sử dụng gần đây OLà cách phân loại gần đây. M - O là k = 3.Trích một số hình ảnh trong hộp bao vây, và trở lại cái hộp bao quanh.Binarze. M - > chuyển đổi hình ảnh với một hình ảnh nhị phân 0 và 1.Thực hiện phân tích thành phần chínhDopca. M - > PCA cách kiểm tra xem nó.Tối. M - > sẽ trắng ảnh nền trong một nền màu đen.Thử nghiệm gần đây. M - > o - với MNIST bộ dữ liệu.Đang kiểm tra tất cả 10.000 lá; kích thước nhỏ sizetest biên tập.Testk. M - > K - láng giềng thử nghiệm với MNIST bộ dữ liệu.Thiết lập kiểm tra 2000 ảnh sửa sizetest nhiều kích cỡ khác nhau.Hành một tham sốĐang chạy trước.==============Làm ơn bảo đảm cơ cấu danh mục như sau:1) MNIST /: thư mục này phải chứa tất cả các MNIST bộ dữ liệu gốc và nó phải rút lui.Anh có thể từ http://yann.lecun.com/exdb/mnist/ download.2) 1mg /: nó phải chứa 200 quét hình ảnh.Nếu anh không có cấu trúc này, anh sẽ có một tập tin không phát hiện sai lầm, vì kịch bản hy vọng những dữ liệu đó sẽ ở vị trí này.Bộ dữ liệu MNIST===================Đúng MNIST phân loại của tập hợp dữ liệu, tập tin liên quan:Kiểm tra. M, và testk. M.Khi anh chạy những kịch bản của anh, anh sẽ nhận được một ước tính của hiện tại, phân loại dữ liệu là cách làm bài kiểm tra.Mô tả tập tin là chỉ suy luận nói trên của mỗi tập tin, xin xem chi tiết Varun Ravishankar báo cáo.Bộ dữ liệu độc lập===================Đối với độc lập. Bộ sưu tập dữ liệu liên quan đến tập tin phân loại, đó là:1,6 mét; approach2. M và cách. Tôi và dopca. M.Khi anh chạy những kịch bản của anh, anh sẽ nhận được một ước tính của hiện tại, phân loại dữ liệu là cách làm bài kiểm tra.Còn chú ý đến,Kịch bản dự kiến hoàn thành đầu ra khi thực hiện tính toán đông đúc loại nhiệm vụ, có thể cần một thời gian để chạy.Mô tả tập tin là chỉ suy luận nói trên của mỗi tập tin và nhiều chi tiết xin xem hắn muindi báo cáo.Giấy phép===================Tất cả các mã nguồn cho phép đơn giản dưới giấy phép BSD (. 2-clause BSD).Tất cả đều sử dụng giấy phép tài liệu hồ sơ FreeBSD.