之前两个版本的代码中，犯了个低级错误，分类条件错了……将其修正后，程序的识别率提高了一些……
昨天向老师讨教，老师点评道，利用图像分块提取平均像素值，将其作为输入训练网络存在太多问题，不仅仅是平移和旋转的问题。晃得想起之前提到的基于笔画的识别，它对于手写字体的平移、缩放、笔画粗细都不敏感。细细想来原因在于，手写文字过程对应的是一个骨架，而产生的字符图像只是一个表象，丧失了手写过程的笔画先后信息。基于信息缺失的信息源做反向工程是很复杂的也往往是不可解决的，就像仅仅使用一个摄像头是无法获得景深一样。
具体想法是，记录手写过程鼠标的坐标，这些坐标组成序列就是一个字符的骨架，分析骨架的起始点、极值点和突变点，可以利用这个特征进行分类，当然还应该记录这些点之间的轨迹长度，对分类冲突的进行分类，比如a、d、q和g。
这一部分我正在努力完善，希望能有一个好的结果。