基于主成分分析和BP神经网络(PCA-BP)的手写字母识别的Matlab代码

基于主成分分析和BP神经网络(PCA-BP)的手写字母识别 matlab代码

手写字母识别这事儿听起来高大上，但用MATLAB搞起来其实没想象中复杂。今天咱们直接开撸代码，用主成分分析（PCA）加BP神经网络的组合拳来整活。数据集就用经典的Letter Recognition Dataset，包含2万个手写字母样本，每个字母用16个特征值描述。

先看看数据长啥样：

data = csvread('letter-recognition.csv'); letters = data(:,1); % 第一列是字母标签 features = data(:,2:end); % 后16列是特征

别急着喂给神经网络，高维数据直接处理容易炸。咱们先用PCA降维瘦身。MATLAB的pca函数贼方便：

[coeff,score,latent] = pca(features); cumulative = cumsum(latent)./sum(latent); n_components = find(cumulative >= 0.95, 1); % 保留95%方差 features_pca = features * coeff(:,1:n_components);

实际跑下来发现降到25维左右最划算，既能保留主要特征又不会损失太多信息。这里有个坑要注意——PCA前得先做数据归一化，不然尺度不同的特征会带偏结果。

接下来上硬菜，BP神经网络搭建。MATLAB的patternnet函数对新手友好：

net = patternnet([50 30]); % 两个隐藏层 net.divideParam.trainRatio = 0.7; net.divideParam.valRatio = 0.15; net.divideParam.testRatio = 0.15; % 标签转哑变量 targets = full(ind2vec(letters'-'A'+1)); [net,tr] = train(net, features_pca', targets);

这里有个骚操作：把字母标签转换成26维的哑变量，比直接用数字标签效果拔群。训练时观察验证集准确率，一旦连续3次不提升就提前终止，防止过拟合。

测试环节才是见真章的时候：

test_idx = tr.testInd; preds = net(features_pca(:,test_idx)'); [~,pred_labels] = max(preds); accuracy = sum(pred_labels == letters(test_idx)') / numel(test_idx); fprintf('识别准确率：%.2f%%\n', accuracy*100);

实际跑下来能达到88%左右的准确率。看混淆矩阵会发现O和Q老打架，毕竟这俩字母长得太像。要进一步提升的话，可以试试数据增强——给样本加旋转、扭曲等扰动，或者上卷积神经网络（CNN），不过那又是另一个故事了。

完整代码里记得加上这两行神操作：

rng(42); % 固定随机种子 features = (features - mean(features)) ./ std(features); % 标准化

不固定随机种子每次结果都会飘，调参能调到你怀疑人生。标准化更是PCA和神经网络的前置必备，谁不用谁翻车。

最后说个实战经验：当准确率卡在某个瓶颈时，别急着调大网络规模。试试在PCA前做特征工程，比如把特征两两组合产生新特征，有时候比无脑堆神经元管用得多。