手写字识别matlab使精确率达到百分之九十以上的代码

以下是一个简单的手写字识别Matlab代码示例，使用支持向量机分类算法和HOG特征提取方法：

% 1. 加载数据集
load('mnist.mat'); % mnist.mat是一个手写数字数据集，包含60000个训练样本和10000个测试样本
X_train = double(reshape(train_X, [60000, 28*28])); % 将28*28的图像转化为784维向量
X_test = double(reshape(test_X, [10000, 28*28]));
Y_train = double(train_y); % 标签
Y_test = double(test_y);

% 2. 特征提取
cellSize = 8;
hogFeatureSize = 4 * 4 * 31; % 使用HOG特征提取方法，每个cell对应31维特征
hog_train = zeros(size(X_train,1),hogFeatureSize);
hog_test = zeros(size(X_test,1),hogFeatureSize);
for i=1:size(X_train,1)
    img = reshape(X_train(i,:), [28, 28]);
    hog_train(i,:) = extractHOGFeatures(img,'CellSize',[cellSize cellSize]);
end
for i=1:size(X_test,1)
    img = reshape(X_test(i,:), [28, 28]);
    hog_test(i,:) = extractHOGFeatures(img,'CellSize',[cellSize cellSize]);
end

% 3. 训练模型
model = fitcecoc(hog_train, Y_train); % 使用支持向量机分类算法

% 4. 测试模型
[pred_Y_test, score] = predict(model, hog_test);

% 5. 计算准确率
accuracy = sum(pred_Y_test == Y_test)/length(Y_test);
fprintf('准确率为%.2f%%\n', accuracy*100);

这个代码示例使用了一个经典的手写数字数据集MNIST，在实际应用中，可以根据具体的手写字识别任务和数据集进行选择和调整。