[问题][讨论]触摸屏上手写数字０－９的识别问题

用坐标简单吧？就图像识别。单片机不懂。

softmax regression.

@handspeaker

你可以在google学术搜索一下“在线手写数字/字符识别”这类的论文，英文“online handwriting digit recognition”，找个引用次数多一些的经典论文看一下，应该不会很难。

这个用神经网络就能搞定吧，

可以看看斯坦福的机器学习课程，里面有个很经典的3层神经网络识别算法，大概是4个方向的斜影加上原始的数字图像，作为输入，

轨迹用HMM or RNN 写好的用Maxout Network或者ConvNetwork 【 在 liekkaszx 的大作中提到: 】 : 对于模式识别完全不懂～求帮助～ : 目前，我们有一个触摸屏，对应有一个显示终端，想实现一个功能：在电容触摸屏上手写０－９，想法是通过坐标或者轨迹这些量来识别这些数据，因为想用单片机来实现，所以各位大牛有没有好的简单可行的方法推荐一下～最好能提供一些参考程序之类的～～感激不尽！！

两层的感知机就足够了。

【 在 antinucleon 的大作中提到: 】 : 轨迹用HMM or RNN : 写好的用Maxout Network或者ConvNetwork 很感谢，我目前使用的是BP神经网络，最简单的3层，具体是这样：由于现在的触摸屏只能获取触点坐标，所以采集轨迹坐标，比如1采集（x0,y0）...(x7,y7),一共采集了50组这样的坐标，然后特这提取，我将相邻两坐标求斜率，这样一个样本就包含了4个特征值（k0,k1，k2,k3）,然后利用对数函数对这些数字归一化，这样每一个数字都有50*4的样本，其余的数字类似处理，对应的输出设定为（0，0,0,1），....(1,0,0,1),然后按照神经网络来计算，硬件部分通过单片机实现，所以只能线下训练，我先做1-5的识别，隐层使用了4各节点，然后把生成的隐层和输出层权矩阵存储起来放在单片机里，实际使用的时候，就是手指触摸屏幕，获取坐标，预处理后通过矩阵运算，得到输出~ 理论上我觉得很可行，但实际做的时候，问题很多，一是，累积的误差很大，之前做两个数字识别，效果还可以，每个数字只采集了四个样本，现在变成50个，每次循环累计误差很大，正确率很低；另一个，就是样本的好坏问题，应该是样本规律性越强，效果越好，但是实际采集，由于人手运动的速度不同，每次采集的坐标并不很规律，比如2，我可能在初始位置采集到了3个点，在拐的位置采集到了3个点，在最后横着的位置踩到2个点，也有可能不是这种332的分布，可能在某个位置多一个，少一个，这就造成数字的斜率规律性不强，我觉得这也是影响误差的一个原因 说了这么多，也不知道表述的清楚不？你有没有什么好的建议，改善一下？或者你说的这种递归神经网络性能更优？另外，对于这种触点轨迹坐标，我尝试了以极坐标作为特征值，并不是很好，你所了解的一般这种触点轨迹都用什么作为特征值更能表征一种轨迹？谢谢啦