本申請(qǐng)涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，特別涉及一種手寫體數(shù)字識(shí)別方法及裝置。

背景技術(shù)：
目前，手寫體數(shù)字識(shí)別的應(yīng)用較為廣泛，如郵件分揀中的郵政編碼識(shí)別、財(cái)稅識(shí)別、金融數(shù)字識(shí)別等應(yīng)用領(lǐng)域，人們對(duì)手寫體數(shù)字識(shí)別的精度與準(zhǔn)確度的要求日漸增高。K近鄰分類器是一種經(jīng)典的分類器，由于其計(jì)算方便得到廣泛應(yīng)用。但在K近鄰分類器中的方案中涉及到的樣本點(diǎn)之間的距離測(cè)度是預(yù)先制定的，因此，這種方案會(huì)使得進(jìn)行手寫體數(shù)字識(shí)別的準(zhǔn)確率明顯降低。

技術(shù)實(shí)現(xiàn)要素：
本申請(qǐng)所要解決的技術(shù)問(wèn)題是提供一種手寫體數(shù)字識(shí)別方法及裝置，用以解決現(xiàn)有技術(shù)中K近鄰分類器中的距離測(cè)度預(yù)先制定，使得進(jìn)行手寫體數(shù)字識(shí)別的準(zhǔn)確率降低的技術(shù)問(wèn)題，進(jìn)一步解決了現(xiàn)有近鄰成分分析方案對(duì)小樣本無(wú)法處理的技術(shù)問(wèn)題。本申請(qǐng)?zhí)峁┝艘环N手寫體數(shù)字識(shí)別方法，包括：分別將第一空間中的訓(xùn)練樣本集合和手寫體數(shù)字的待測(cè)樣本映射至第二空間中；其中，所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，所述訓(xùn)練樣本集合中的訓(xùn)練樣本包含至少兩種數(shù)字類別；依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣；利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；依據(jù)每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。上述方法，優(yōu)選的，所述分別將第一空間中的訓(xùn)練樣本集合和測(cè)試樣本集合映射至第二空間中，包括：利用zi＝Φ(xi)＝[k(xi,x1)k(xi,x2)…k(xi,xN)]T，將第一空間中的訓(xùn)練樣本集合映射至第二空間中；其中，zi為所述第二空間中訓(xùn)練樣本集合內(nèi)的訓(xùn)練樣本，Φ(xi)為預(yù)設(shè)的映射函數(shù)，xi為所述第一空間中訓(xùn)練樣本集合中的訓(xùn)練樣本，k(xi,xj)為核函數(shù)；利用z＝Φ(x)＝[k(x,x1)k(x,x2)…k(x,xN)]T，將所述第一空間中的測(cè)試樣本映射至所述第二空間中；其中，x為所述第一空間中的待測(cè)樣本，k(x,xj)為核函數(shù)，z為被映射至所述第二空間中的待測(cè)樣本。上述方法，優(yōu)選的，所述依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣，包括：利用獲取每個(gè)所述訓(xùn)練樣本分別與區(qū)別于其自身的訓(xùn)練樣本之間的近鄰概率值；其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值；依據(jù)每個(gè)所述訓(xùn)練樣本的近鄰概率值，確定每個(gè)所述訓(xùn)練樣本屬于每種所述數(shù)字類別的類別概率值；利用d(zi,zj)＝(zi-zj)TQ(zi-zj)＝(Azi-Azj)T(Azi-Azj)及每個(gè)所述訓(xùn)練樣本的類別概率值，確定測(cè)度變換矩陣；其中，d(zi,zj)為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj的距離，Q＝ATA，A為所述第二空間中的測(cè)度變換矩陣。上述方法，優(yōu)選的，所述利用測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值，包括：利用d(z,zi)＝(Az-Azi)T(Az-Azi),i＝1,…,N，獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；其中，d(z,zi)為所述待測(cè)樣本z與所述訓(xùn)練樣本zi之間的距離值，A為所述測(cè)度變換矩陣，N為所述訓(xùn)練樣本集合中訓(xùn)練樣本的總個(gè)數(shù)。上述方法，優(yōu)選的，所述依據(jù)每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別，包括：選取所述距離值小于或等于預(yù)設(shè)限值的訓(xùn)練樣本；依據(jù)選取的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。本申請(qǐng)還提供了一種手寫體數(shù)字識(shí)別裝置，包括：樣本映射單元，用于分別將第一空間中的訓(xùn)練樣本集合和待測(cè)樣本映射至第二空間中；其中，所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，所述訓(xùn)練樣本集合包含至少兩種數(shù)字類別的訓(xùn)練樣本；測(cè)度矩陣確定單元，用于依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣；距離值獲取單元，用于利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；類別確定單元，用于依據(jù)所述每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。上述裝置，優(yōu)選的，所述樣本映射單元包括：第一映射子單元，用于利用zi＝Φ(xi)＝[k(xi,x1)k(xi,x2)…k(xi,xN)]T，將第一空間中的訓(xùn)練樣本集合映射至第二空間中；其中，zi為所述第二空間中訓(xùn)練樣本集合內(nèi)的訓(xùn)練樣本，Φ(xi)為預(yù)設(shè)的映射函數(shù)，xi為所述第一空間中訓(xùn)練樣本集合中的訓(xùn)練樣本，k(xi,xj)為核函數(shù)；第二映射子單元，用于利用z＝Φ(x)＝[k(x,x1)k(x,x2)…k(x,xN)]T，將所述第一空間中的測(cè)試樣本映射至所述第二空間中；其中，x為所述第一空間中的待測(cè)樣本，k(x,xj)為核函數(shù)，z為被映射至所述第二空間中的待測(cè)樣本。上述裝置，優(yōu)選的，所述測(cè)度矩陣確定單元包括：近鄰概率值獲取子單元，用于利用獲取每個(gè)所述訓(xùn)練樣本分別與區(qū)別于其自身的訓(xùn)練樣本之間的近鄰概率值；其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值；類別概率值獲取子單元，用于依據(jù)每個(gè)所述訓(xùn)練樣本的近鄰概率值，確定每個(gè)所述訓(xùn)練樣本屬于每種所述數(shù)字類別的類別概率值；測(cè)度矩陣確定子單元，用于利用d(zi,zj)＝(zi-zj)TQ(zi-zj)＝(Azi-Azj)T(Azi-Azj)及每個(gè)所述訓(xùn)練樣本的類別概率值，確定測(cè)度變換矩陣；其中，d(zi,zj)為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj的距離，Q＝ATA，A為所述第二空間中的測(cè)度變換矩陣。上述裝置，優(yōu)選的，所述距離值獲取單元具體用于利用d(z,zi)＝(Az-Azi)T(Az-Azi),i＝1,…,N，獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；其中，d(z,zi)為所述待測(cè)樣本z與所述訓(xùn)練樣本zi之間的距離值，A為所述測(cè)度變換矩陣，N為所述訓(xùn)練樣本集合中訓(xùn)練樣本的總個(gè)數(shù)。上述裝置，優(yōu)選的，所述類別確定單元包括：樣本選取子單元，用于選取所述距離值小于或等于預(yù)設(shè)限值的訓(xùn)練樣本；類別確定子單元，用于依據(jù)選取的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。由上述方案可知，本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法及裝置，首先分別將第一空間中的訓(xùn)練樣本集合和手寫體數(shù)字的待測(cè)樣本映射至第二空間中，再依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣，之后利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值，進(jìn)而依據(jù)每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。本申請(qǐng)實(shí)施例通過(guò)將第一空間的訓(xùn)練樣本及待測(cè)樣本映射至第二空間中，再在第二空間中學(xué)習(xí)一個(gè)測(cè)度變換矩陣，由此計(jì)算待測(cè)樣本與訓(xùn)練樣本之間的距離，進(jìn)而確定待測(cè)樣本的數(shù)字類別，相對(duì)于現(xiàn)有技術(shù)中預(yù)先制定距離測(cè)度的情況，在實(shí)現(xiàn)識(shí)別手寫體數(shù)字的前提下，提高了手寫體數(shù)字識(shí)別的準(zhǔn)確率。進(jìn)一步的，現(xiàn)有技術(shù)中通過(guò)留一法誤差分析來(lái)學(xué)習(xí)馬氏距離測(cè)度實(shí)現(xiàn)手寫體數(shù)字識(shí)別的方案中(即近鄰成分分析算法)，在對(duì)小樣本問(wèn)題的實(shí)際應(yīng)用時(shí)，會(huì)產(chǎn)生過(guò)擬合問(wèn)題，而且在優(yōu)化的時(shí)候容易陷入局部極小點(diǎn)，殺跌當(dāng)樣本不是線性可分時(shí)，分類效果較差，識(shí)別效率較低。本申請(qǐng)實(shí)施例針對(duì)上述近鄰成分分析算法，能夠有效處理小樣本問(wèn)題，同時(shí)識(shí)別率較高。附圖說(shuō)明為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例一的流程圖；圖2為本申請(qǐng)實(shí)施例一的部分流程圖；圖3為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例二的部分流程圖；圖4為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例三的部分流程圖；圖5為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別裝置實(shí)施例四的結(jié)構(gòu)示意圖；圖6為本申請(qǐng)實(shí)施例四中的部分結(jié)構(gòu)示意圖；圖7為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別裝置實(shí)施例五的部分結(jié)構(gòu)示意圖；圖8為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例六的部分結(jié)構(gòu)示意圖；圖9為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。參考圖1，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例一的流程圖，所述方法適用于手寫體郵政編碼的識(shí)別、金融數(shù)字化識(shí)別及財(cái)稅手寫體識(shí)別等應(yīng)用中，所述方法可以包括以下步驟：步驟101：分別將第一空間中的訓(xùn)練樣本集合和手寫體數(shù)字的待測(cè)樣本映射至第二空間中。其中，所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，所述訓(xùn)練樣本集合中的訓(xùn)練樣本包含至少兩種數(shù)字類別。需要說(shuō)明的是，所述第一空間可以為當(dāng)前原空間，所述第二空間可以為預(yù)設(shè)隱空間。而所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，如1、2、5、7等標(biāo)識(shí)，所述訓(xùn)練樣本集合中的訓(xùn)練樣本包含至少兩種數(shù)字類別，例如，所述訓(xùn)練樣本集合中包括1、3、7、8、9五種數(shù)字類別的訓(xùn)練樣本，即為所述訓(xùn)練樣本集合中每個(gè)訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)為所述1、3、7、8、9五種數(shù)字類別中的一種。由上述說(shuō)明可知，所述步驟101可以理解為，分別將原空間中的訓(xùn)練樣本集合和待測(cè)樣本映射至隱空間中。步驟102：依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣。其中，所述步驟102可以理解為：依據(jù)所述訓(xùn)練樣本集合，在隱空間中學(xué)習(xí)獲取一個(gè)測(cè)度變換矩陣。在所述步驟102中，可以用馬氏距離實(shí)現(xiàn)。步驟103：利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值。其中，所述步驟103可以理解為：在所述隱空間中，計(jì)算所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值。步驟104：依據(jù)所述每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。其中，在N個(gè)訓(xùn)練樣本所各自對(duì)應(yīng)的距離值中，距離值越小，表明待測(cè)樣本與訓(xùn)練樣本越為接近，由此，可以根據(jù)K個(gè)與待測(cè)樣本的距離值最小的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)確定待測(cè)樣本的數(shù)字類別。參考圖2，為本申請(qǐng)實(shí)施例中所述步驟104的流程圖，所述步驟104可以包括以下步驟：步驟201：選取所述距離值小于或等于預(yù)設(shè)限值的訓(xùn)練樣本。其中，所述預(yù)設(shè)限值可以由用戶設(shè)置，也可以對(duì)所述訓(xùn)練樣本依據(jù)其各自對(duì)應(yīng)距離值的小大順序進(jìn)行排序后，依據(jù)排序后的訓(xùn)練樣本的距離值進(jìn)行設(shè)置，由此，所述步驟201可以通過(guò)以下方式實(shí)現(xiàn)：依據(jù)其距離值的小大順序?qū)λ鲇?xùn)練樣本進(jìn)行排序，選取排序在前K個(gè)的訓(xùn)練樣本，此時(shí)，所述預(yù)設(shè)限值為排序在第K個(gè)訓(xùn)練樣本的距離值，也可以為排序在第K個(gè)和第K+1個(gè)兩個(gè)訓(xùn)練樣本的距離值之間的任意數(shù)值。步驟202：依據(jù)選取的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。其中，所述步驟202可以通過(guò)以下方式實(shí)現(xiàn)：在所述選取的訓(xùn)練樣本中，將其數(shù)字類別標(biāo)識(shí)所占比例最多的訓(xùn)練樣本的數(shù)字類別作為所述待測(cè)樣本的數(shù)字類別。例如，選取的訓(xùn)練樣本中各自的數(shù)字類別標(biāo)識(shí)分別為3、5、3、6、6、4、6、8、6、6、6、9、5、4，由此可知，其數(shù)字類別標(biāo)識(shí)所占比例最多的訓(xùn)練樣本的數(shù)字類別為6，因此，6即為所述待測(cè)樣本的數(shù)字類別。由上述方案可知，本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例一，首先分別將第一空間中的訓(xùn)練樣本集合和手寫體數(shù)字的待測(cè)樣本映射至第二空間中，再依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣，之后利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值，進(jìn)而依據(jù)每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。本申請(qǐng)實(shí)施例通過(guò)將第一空間的訓(xùn)練樣本及待測(cè)樣本映射至第二空間中，再在第二空間中學(xué)習(xí)一個(gè)測(cè)度變換矩陣，由此計(jì)算待測(cè)樣本與訓(xùn)練樣本之間的距離，進(jìn)而確定待測(cè)樣本的數(shù)字類別，相對(duì)于現(xiàn)有技術(shù)中預(yù)先制定距離測(cè)度的情況，在實(shí)現(xiàn)識(shí)別手寫體數(shù)字的前提下，提高了手寫體數(shù)字識(shí)別的準(zhǔn)確率。進(jìn)一步的，現(xiàn)有技術(shù)中通過(guò)留一法誤差分析來(lái)學(xué)習(xí)馬氏距離測(cè)度實(shí)現(xiàn)手寫體數(shù)字識(shí)別的方案中(即近鄰成分分析算法)，在對(duì)小樣本問(wèn)題的實(shí)際應(yīng)用時(shí)，會(huì)產(chǎn)生過(guò)擬合問(wèn)題，而且在優(yōu)化的時(shí)候容易陷入局部極小點(diǎn)，殺跌當(dāng)樣本不是線性可分時(shí)，分類效果較差，識(shí)別效率較低。本申請(qǐng)實(shí)施例針對(duì)上述近鄰成分分析算法，能夠有效處理小樣本問(wèn)題，同時(shí)識(shí)別率較高。參考圖3，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例二中所述步驟101的流程圖，其中，所述步驟101可與包括以下步驟：步驟301：利用zi＝Φ(xi)＝[k(xi,x1)k(xi,x2)…k(xi,xN)]T，將第一空間中的訓(xùn)練樣本集合映射至第二空間中；其中，zi為所述第二空間中訓(xùn)練樣本集合內(nèi)的訓(xùn)練樣本，Φ(xi)為預(yù)設(shè)的映射函數(shù)，xi為所述第一空間中訓(xùn)練樣本集合中的訓(xùn)練樣本，k(xi,xj)為核函數(shù)。其中，所述映射函數(shù)可以通過(guò)解析歷史數(shù)據(jù)獲取。步驟302：利用z＝Φ(x)＝[k(x,x1)k(x,x2)…k(x,xN)]T，將所述第一空間中的測(cè)試樣本映射至所述第二空間中；其中，x為所述第一空間中的待測(cè)樣本，k(x,xj)為核函數(shù)，z為被映射至所述第二空間中的待測(cè)樣本。需要說(shuō)明的是，所述步驟301和所述步驟302之間可以并行執(zhí)行，也可以有一定的先后順序。參考圖4，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例三中所述步驟102的流程圖，所述步驟102可以包括以下步驟：步驟401：利用獲取每個(gè)所述訓(xùn)練樣本分別與區(qū)別于其自身的訓(xùn)練樣本之間的近鄰概率值；其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值。步驟402：依據(jù)每個(gè)所述訓(xùn)練樣本的近鄰概率值，確定每個(gè)所述訓(xùn)練樣本屬于每種所述數(shù)字類別的類別概率值。其中，所述步驟402可以通過(guò)以下方式實(shí)現(xiàn)：利用確定每個(gè)所述訓(xùn)練樣本屬于每種數(shù)字類別的類別概率值，其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值，ω為數(shù)字類別的標(biāo)簽，pω為每個(gè)所述訓(xùn)練樣本屬于數(shù)字類別ω的概率值。步驟403：利用d(zi,zj)＝(zi-zj)TQ(zi-zj)＝(Azi-Azj)T(Azi-Azj)及每個(gè)所述訓(xùn)練樣本的類別概率值，確定測(cè)度變換矩陣；其中，d(zi,zj)為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj的距離，Q＝ATA，A為所述第二空間中的測(cè)度變換矩陣。需要說(shuō)明的是，兩個(gè)所述訓(xùn)練樣本之間的距離越近，那么這兩個(gè)訓(xùn)練樣本對(duì)應(yīng)的pω越大，因此，所述步驟403可以通過(guò)以下方式實(shí)現(xiàn)：對(duì)每個(gè)所述類別概率值pω最大化，利用上述d(zi,zj)，確定測(cè)度變換矩陣。其中，在本申請(qǐng)實(shí)施例中，所述步驟103在利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值時(shí)，可以通過(guò)以下方式實(shí)現(xiàn)：利用d(z,zi)＝(Az-Azi)T(Az-Azi),i＝1,…,N，獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；其中，d(z,zi)為所述待測(cè)樣本z與所述訓(xùn)練樣本zi之間的距離值，A為所述測(cè)度變換矩陣，N為所述訓(xùn)練樣本集合中訓(xùn)練樣本的總個(gè)數(shù)。參考圖5，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別裝置實(shí)施例四的結(jié)構(gòu)示意圖，所述裝置可以包括：樣本映射單元501，用于分別將第一空間中的訓(xùn)練樣本集合和待測(cè)樣本映射至第二空間中；其中，所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，所述訓(xùn)練樣本集合包含至少兩種數(shù)字類別的訓(xùn)練樣本。其中，所述第一空間可以為當(dāng)前原空間，所述第二空間可以為預(yù)設(shè)隱空間。而所述訓(xùn)練樣本集合包括至少兩個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本分別具有一個(gè)數(shù)字類別標(biāo)識(shí)，如1、2、5、7等標(biāo)識(shí)，所述訓(xùn)練樣本集合中的訓(xùn)練樣本包含至少兩種數(shù)字類別，例如，所述訓(xùn)練樣本集合中包括1、3、7、8、9五種數(shù)字類別的訓(xùn)練樣本，即為所述訓(xùn)練樣本集合中每個(gè)訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)為所述1、3、7、8、9五種數(shù)字類別中的一種。由上述說(shuō)明可知，所述樣本映射單元501可以理解為，分別將原空間中的訓(xùn)練樣本集合和待測(cè)樣本映射至隱空間中。測(cè)度矩陣確定單元502，用于依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣。其中，所述測(cè)度矩陣確定單元502可以理解為：依據(jù)所述訓(xùn)練樣本集合，在隱空間中學(xué)習(xí)獲取一個(gè)測(cè)度變換矩陣。在所述測(cè)度矩陣確定單元502中，可以用馬氏距離實(shí)現(xiàn)。距離值獲取單元503，用于利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值。其中，所述距離值獲取單元503可以理解為：在所述隱空間中，計(jì)算所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值。類別確定單元504，用于依據(jù)所述每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。其中，在N個(gè)訓(xùn)練樣本所各自對(duì)應(yīng)的距離值中，距離值越小，表明待測(cè)樣本與訓(xùn)練樣本越為接近，由此，可以根據(jù)K個(gè)與待測(cè)樣本的距離值最小的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)確定待測(cè)樣本的數(shù)字類別。參考圖6，為本申請(qǐng)實(shí)施例中所述類別確定單元504的結(jié)構(gòu)示意圖，其中，所述類別確定單元504可以包括：樣本選取子單元541，用于選取所述距離值小于或等于預(yù)設(shè)限值的訓(xùn)練樣本。其中，所述預(yù)設(shè)限值可以由用戶設(shè)置，也可以對(duì)所述訓(xùn)練樣本依據(jù)其各自對(duì)應(yīng)距離值的小大順序進(jìn)行排序后，依據(jù)排序后的訓(xùn)練樣本的距離值進(jìn)行設(shè)置，由此，所述樣本選取子單元541可以通過(guò)以下方式實(shí)現(xiàn)：依據(jù)其距離值的小大順序?qū)λ鲇?xùn)練樣本進(jìn)行排序，選取排序在前K個(gè)的訓(xùn)練樣本，此時(shí)，所述預(yù)設(shè)限值為排序在第K個(gè)訓(xùn)練樣本的距離值，也可以為排序在第K個(gè)和第K+1個(gè)兩個(gè)訓(xùn)練樣本的距離值之間的任意數(shù)值。類別確定子單元542，用于依據(jù)選取的訓(xùn)練樣本的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。其中，所述類別確定子單元542可以通過(guò)以下方式實(shí)現(xiàn)：在所述選取的訓(xùn)練樣本中，將其數(shù)字類別標(biāo)識(shí)所占比例最多的訓(xùn)練樣本的數(shù)字類別作為所述待測(cè)樣本的數(shù)字類別。例如，選取的訓(xùn)練樣本中各自的數(shù)字類別標(biāo)識(shí)分別為3、5、3、6、6、4、6、8、6、6、6、9、5、4，由此可知，其數(shù)字類別標(biāo)識(shí)所占比例最多的訓(xùn)練樣本的數(shù)字類別為6，因此，6即為所述待測(cè)樣本的數(shù)字類別。由上述方案可知，本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別裝置實(shí)施例四，首先分別將第一空間中的訓(xùn)練樣本集合和手寫體數(shù)字的待測(cè)樣本映射至第二空間中，再依據(jù)所述第二空間中的訓(xùn)練樣本集合，確定測(cè)度變換矩陣，之后利用所述測(cè)度變換矩陣，分別獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值，進(jìn)而依據(jù)每個(gè)所述距離值及其各自對(duì)應(yīng)的數(shù)字類別標(biāo)識(shí)，確定所述待測(cè)樣本的數(shù)字類別。本申請(qǐng)實(shí)施例通過(guò)將第一空間的訓(xùn)練樣本及待測(cè)樣本映射至第二空間中，再在第二空間中學(xué)習(xí)一個(gè)測(cè)度變換矩陣，由此計(jì)算待測(cè)樣本與訓(xùn)練樣本之間的距離，進(jìn)而確定待測(cè)樣本的數(shù)字類別，相對(duì)于現(xiàn)有技術(shù)中預(yù)先制定距離測(cè)度的情況，在實(shí)現(xiàn)識(shí)別手寫體數(shù)字的前提下，提高了手寫體數(shù)字識(shí)別的準(zhǔn)確率。參考圖7，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別裝置實(shí)施例五中所述樣本映射單元501的結(jié)構(gòu)示意圖，所述樣本映射單元501可以包括：第一映射子單元511，用于利用zi＝Φ(xi)＝[k(xi,x1)k(xi,x2)…k(xi,xN)]T，將第一空間中的訓(xùn)練樣本集合映射至第二空間中；其中，zi為所述第二空間中訓(xùn)練樣本集合內(nèi)的訓(xùn)練樣本，Φ(xi)為預(yù)設(shè)的映射函數(shù)，xi為所述第一空間中訓(xùn)練樣本集合中的訓(xùn)練樣本，k(xi,xj)為核函數(shù)。其中，在本申請(qǐng)實(shí)施例中，所述第一映射子單元可以通過(guò)解析歷史數(shù)據(jù)獲取所述映射函數(shù)。第二映射子單元512，用于利用z＝Φ(x)＝[k(x,x1)k(x,x2)…k(x,xN)]T，將所述第一空間中的測(cè)試樣本映射至所述第二空間中；其中，x為所述第一空間中的待測(cè)樣本，k(x,xj)為核函數(shù)，z為被映射至所述第二空間中的待測(cè)樣本。需要說(shuō)明的是，所述第一映射子單元511和所述第二映射子單元512之間具有獨(dú)立性，各自的運(yùn)行不受對(duì)方制約或控制。參考圖8，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別方法實(shí)施例六中所述測(cè)度矩陣確定單元502的結(jié)構(gòu)示意圖，所述測(cè)度矩陣確定單元502可以包括：近鄰概率值獲取子單元521，用于利用獲取每個(gè)所述訓(xùn)練樣本分別與區(qū)別于其自身的訓(xùn)練樣本之間的近鄰概率值；其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值。類別概率值獲取子單元522，用于依據(jù)每個(gè)所述訓(xùn)練樣本的近鄰概率值，確定每個(gè)所述訓(xùn)練樣本屬于每種所述數(shù)字類別的類別概率值。其中，所述類別概率值獲取子單元522可以通過(guò)以下方式實(shí)現(xiàn)：利用確定每個(gè)所述訓(xùn)練樣本屬于每種數(shù)字類別的類別概率值，其中，pij為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj作為近鄰樣本的概率值，ω為數(shù)字類別的標(biāo)簽，pω為每個(gè)所述訓(xùn)練樣本屬于數(shù)字類別ω的概率值。測(cè)度矩陣確定子單元523，用于利用d(zi,zj)＝(zi-zj)TQ(zi-zj)＝(Azi-Azj)T(Azi-Azj)及每個(gè)所述訓(xùn)練樣本的類別概率值，確定測(cè)度變換矩陣；其中，d(zi,zj)為所述第二空間的訓(xùn)練樣本集合中訓(xùn)練樣本zi與訓(xùn)練樣本zj的距離，Q＝ATA，A為所述第二空間中的測(cè)度變換矩陣。需要說(shuō)明的是，兩個(gè)所述訓(xùn)練樣本之間的距離越近，那么這兩個(gè)訓(xùn)練樣本對(duì)應(yīng)的pω越大，因此，所述測(cè)度矩陣確定子單元523可以通過(guò)以下方式實(shí)現(xiàn)：對(duì)每個(gè)所述類別概率值pω最大化，利用上述d(zi,zj)，確定測(cè)度變換矩陣。其中，在本申請(qǐng)實(shí)施例中，所述距離值獲取單元503可以通過(guò)以下方式實(shí)現(xiàn)：利用d(z,zi)＝(Az-Azi)T(Az-Azi),i＝1,…,N，獲取所述待測(cè)樣本與每個(gè)所述訓(xùn)練樣本之間的距離值；其中，d(z,zi)為所述待測(cè)樣本z與所述訓(xùn)練樣本zi之間的距離值，A為所述測(cè)度變換矩陣，N為所述訓(xùn)練樣本集合中訓(xùn)練樣本的總個(gè)數(shù)。參考圖9，為本申請(qǐng)?zhí)峁┑囊环N手寫體數(shù)字識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖，所述系統(tǒng)包括訓(xùn)練模塊901和分類模塊902。在所述訓(xùn)練模塊901中，包括兩個(gè)子模塊：第一預(yù)處理子模塊和學(xué)習(xí)測(cè)度變換矩陣A子模塊，其中：所述第一預(yù)處理子模塊，用于原空間的訓(xùn)練樣本進(jìn)行處理，構(gòu)造隱空間中的訓(xùn)練樣本。所述原空間即為上文中提及的第一空間，所述隱空間即為所述第二空間。在所述第一預(yù)處理子模塊中，設(shè)已有原空間的訓(xùn)練樣本集為yi是xi的類別標(biāo)簽，c表示類別數(shù)，N表示訓(xùn)練樣本的總個(gè)數(shù)，D表示訓(xùn)練樣本的維數(shù)。利用如下經(jīng)驗(yàn)映射函數(shù)Φ(xi)：zi＝Φ(xi)＝[k(xi,x1)k(xi,x2)…k(xi,xN)]T把原空間的訓(xùn)練樣本xi映射成隱空間中的訓(xùn)練樣本zi，其中k(xi,xj)是一個(gè)核函數(shù)。經(jīng)過(guò)映射后，得到隱空間的訓(xùn)練樣本集zi∈RN。在所述學(xué)習(xí)測(cè)度變換矩陣A子模塊中，對(duì)隱空間的訓(xùn)練樣本，用馬氏距離來(lái)作為測(cè)度，即d(zi,zj)＝(zi-zj)TQ(zi-zj)＝(Azi-Azj)T(Azi-Azj)。其中，Q＝ATA，A是測(cè)度變換矩陣。在隱空間中，對(duì)每個(gè)樣本zi選擇另一個(gè)樣本zj以概率pij作為它的近鄰，概率概率pij的計(jì)算公式如下：若兩個(gè)樣本離得越近，則其pij值應(yīng)該越大。zi被正確分類為第ω類的概率為之后，通過(guò)最大化pω，求出測(cè)度變換矩陣A。所述分類模塊902包括兩個(gè)子模塊：第二預(yù)處理子模塊和分類子模塊。所述第二預(yù)處理子模塊用于對(duì)原空間的待測(cè)樣本進(jìn)行處理，構(gòu)造隱空間中的待測(cè)樣本。設(shè)原空間的待測(cè)樣本x，利用經(jīng)驗(yàn)映射函數(shù)Φ(x)：z＝Φ(x)＝[k(x,x1)k(x,x2)…k(x,xN)]T把原空間的待測(cè)樣本x映射成隱空間中的待測(cè)樣本z。所述分類子模塊對(duì)隱空間的待測(cè)樣本z，計(jì)算其與隱空間的訓(xùn)練樣本的距離，計(jì)算公式為：d(z,zi)＝(Az-Azi)T(Az-Azi),i＝1,…,N在N個(gè)距離d(z,zi)中，尋找距離z最小的K個(gè)隱空間訓(xùn)練樣本。最后利用K個(gè)隱空間訓(xùn)練樣本對(duì)應(yīng)的類別標(biāo)簽來(lái)對(duì)待測(cè)樣本x進(jìn)行分類：哪個(gè)類別標(biāo)簽占多數(shù)，就把哪個(gè)類別賦予x。以下利用本申請(qǐng)實(shí)施例進(jìn)行手寫體數(shù)字識(shí)別的應(yīng)用示例說(shuō)明：本申請(qǐng)?jiān)贛NIST手寫體數(shù)字?jǐn)?shù)據(jù)集中進(jìn)行了測(cè)試，MNIST是美國(guó)著名數(shù)據(jù)集NIST的子集，是模式識(shí)別常用的實(shí)驗(yàn)數(shù)據(jù)集之一。MNIST手寫體數(shù)據(jù)庫(kù)共有10類，共有60000個(gè)訓(xùn)練樣本和10000個(gè)測(cè)試樣本。在本示例中，可以選擇其中五類進(jìn)行測(cè)試，每類分別從訓(xùn)練集和測(cè)試集上隨機(jī)選取50個(gè)。這里的實(shí)驗(yàn)取了數(shù)字1，3，7，8和9，共5類。在該數(shù)據(jù)集上的訓(xùn)練樣本和測(cè)試樣本中，每類各取50個(gè)。待測(cè)樣本有250個(gè)，重復(fù)分類模塊250次。表1給出在測(cè)試集上的估計(jì)性能。實(shí)驗(yàn)對(duì)比方法有K近鄰算法和近鄰成分分析。通過(guò)實(shí)驗(yàn)結(jié)果我們可以看出本發(fā)明的手寫體識(shí)別效果明顯優(yōu)于K近鄰算法和近鄰成分分析方法，并表現(xiàn)出了較強(qiáng)的穩(wěn)定性，具有一定的優(yōu)勢(shì)。表1三種方法對(duì)5類手寫體數(shù)字的分類性能(識(shí)別率％)對(duì)比數(shù)字類別K近鄰近鄰成分分析本發(fā)明1100.00±0.0099.25±1.0397.25±1.48383.75±3.9282.00±4.4090.50±4.75776.50±5.8381.25±5.8489.00±5.55881.50±8.4083.75±5.3985.25±3.53988.75±3.9983.25±4.7791.25±3.19平均值86.10±3.0085.90±2.8290.65±1.51需要說(shuō)明的是，本說(shuō)明書(shū)中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似的部分互相參見(jiàn)即可。最后，還需要說(shuō)明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開(kāi)來(lái)，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。以上對(duì)本發(fā)明所提供的一種手寫體數(shù)字識(shí)別方法及裝置進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說(shuō)明書(shū)內(nèi)容不應(yīng)理解為對(duì)本申請(qǐng)的限制。