如果你看的比較困惑的話常熙，可以參考
Python 實現(xiàn)字符識別—Part1：關于PIL庫的使用
http://www.reibang.com/p/0a94d8ea2bf3
Python 實現(xiàn)字符識別—Part2：關于圖形格式的基礎知識和我的一個問題（歡迎大神來指點迷津）
http://www.reibang.com/p/252ff113d1d0
Python 實現(xiàn)字符識別—Part3：關于完成驗證碼識別的前置操作繁堡，字符的提取和圖像的分割
http://www.reibang.com/p/4ff1559c1cf6
Python 實現(xiàn)字符識別—Part4 ： 關于空間向量搜索算法paper的介紹
http://www.reibang.com/p/b13b3905cc7d
Python 實現(xiàn)字符識別—Part5：關于使用空間向量搜索算法實現(xiàn)字符識別
http://www.reibang.com/p/1905bf78f0bd
完成了字符的切分之后驼侠，下面就到了字符的識別鲫骗。字符識別的方法有很多種织阳，機器學習咳短，深度學習填帽，神經(jīng)網(wǎng)絡等。
下面要寫得是通過特征向量來做的字符識別咙好，主要是通過《Basic Vector Space Search Engine Theory》（基本向量空間搜索引擎）這篇文章提出的方法篡腌。
文章的下載連接：http://ondoc.logand.com/d/2697/pdf
舉個例子，來簡單的概括一下這篇paper：
如果比較兩個html網(wǎng)頁的相似度（這應該是 谷歌提出的Page Rank算法系列里面的一個算法勾效，用來解決網(wǎng)頁相似度的問題）嘹悼。比如在做搜索引擎的時候，經(jīng)常會遇到爬蟲 爬到兩個不同的url层宫，指向同一個網(wǎng)頁杨伙。
在處理這些網(wǎng)頁的時候，很重要的一個算法就是去重萌腿。去除內(nèi)容相同的網(wǎng)頁限匣，或者是類似的網(wǎng)頁。這樣就需要一個提出一種機制來衡量 兩個網(wǎng)頁的相似度哮奇。這篇文章膛腐，簡單的概括就是講這個的。
舉個例子
網(wǎng)頁1 ：
<html>
<h1> write the code ,change the world </h1>
</html>
網(wǎng)頁2：
<html>
<h1> copy the code ,paste the code </h1>
</html>
首先這個算法得出 term space （這個不知道怎么翻譯鼎俘，就不翻譯了）
- 去除網(wǎng)頁種的html標簽
- 合并相同的單詞哲身，比如‘running’，‘runer’贸伐，‘runs’ （縮小向量空間的大锌碧臁）
- 刪除stop word，比如‘the’ （因為這些詞并不會改變語義）
- 統(tǒng)計term space 出現(xiàn)的次數(shù)
那么這樣網(wǎng)頁1的term space 是 （write ,code,change,world），出現(xiàn)的次數(shù)是（1脯丝，1商膊，1，1）
網(wǎng)頁2的term space 是(copy ,code , paste)宠进，出現(xiàn)的次數(shù)是(1,2,1)
所以晕拆，
網(wǎng)頁1的向量是 v1=（1，1材蹬，1实幕，0，1堤器，0）
網(wǎng)頁2的向量是 v2=（0昆庇，0，2闸溃，1整吆，0，1）
這是時候辉川，網(wǎng)頁3來了表蝙，要比較和他網(wǎng)頁1和網(wǎng)頁2的相似度
網(wǎng)頁3的內(nèi)容是
<html>
<h1> copy the code ,paste</h1>
</html>
那么網(wǎng)頁3的向量是 Q=（0，0员串，1勇哗，1，0寸齐，1）
下面欲诺，通過這個公式來計算相似度：
網(wǎng)頁3和網(wǎng)頁1的計算結果是：0.28
網(wǎng)頁3和網(wǎng)頁2的計算結果是：0.943
所以，網(wǎng)頁3和網(wǎng)頁2相似度更高渺鹦。 這個就是 向量空間搜索的方法扰法。但是這個方法的有點是
不需要大量的訓練迭代；不會過擬合毅厚；可以查看測試集合和所有訓練集的擬合度塞颁；
缺點：慢。如果訓練集很大的話吸耿，比其他深度學習的方法要慢很多祠锣。
下一篇文章應該寫得是，關于向量空間搜索的算法在字符識別上面的應用咽安。
Python 實現(xiàn)字符識別—Part1
http://www.reibang.com/p/0a94d8ea2bf3
Python 實現(xiàn)字符識別—Part2
http://www.reibang.com/p/252ff113d1d0
Python 實現(xiàn)字符識別—Part3
http://www.reibang.com/p/4ff1559c1cf6
Python 實現(xiàn)字符識別—Part4
http://www.reibang.com/p/b13b3905cc7d
Python 實現(xiàn)字符識別—Part5
http://www.reibang.com/p/1905bf78f0bd
