搜索资源列表
handwriting
- 手写体识别系统，用于对0-9的数字识别出正确率-Handwriting recognition system, for 0-9 identify the correct rate
11
- 基于弹性BP的数字手写体识别，利用弹性BP神经网络设计的数字手写识别算法。附录文档说明-BP neuralnetwork
tiny-dnn-master
- cnn卷积神经网络实现mnist的手写体识别程序-CNN convolution neural network to realize mnist handwritten recognition program
Hinton
- Hinton手写体识别实验代码,原始代码+部分中文注释。-Hinton scr ipt code identification experiment
deep-learning-reconstruction
- 深度学习 手写体识别学习的例子，请大家批评指正-deep learning reconstruction
11
- 手写体识别_模板匹配识别方法,通过matlab实现基于神经网络的手写数字识别-Handwriting recognition _ template matching method, the matlab implementation of handwritten digit recognition based on Neural Network
Handwriting-recognition-algorithm
- 基于卷积神经网络的手写体识别算法，测试数据和训练数据都有，笨人已经检验过，很好用-Handwriting recognition algorithm based on the convolution neural network
shuangtanxingwangluo
- 特征提取是手写体汉字识别的关键，目前四方向网格特征已被实验证实是一种较好的手写体汉字特征。 针对通常的纵横弹性网格对汉字“撇、捺”笔画特征提取的不足．提出一种新的网格构造技术——对角弹性网格，它由45度和135度的对角直线构成，将汉字图像划分为多个菱形，能够很好地适应汉字在“撇、捺”方向的变化。将这两种网格单独，以及相互组合成双网格等情况分别进行手写体识别实验，实验结果验证了对角弹性网格的有效性和双弹性网格的高识别率性。 -Feature extraction is the key to
CNN-master
- 深度学习 卷积神经网络 手写体识别 准确率98%(deeplearning CNN handwrite accuracy98%)
MNIST
- MNIST手写体数字识别库及图片提取代码MNIST手写数字库识别实现摘要手写数字识别是模式识别的应用之一。文中介绍了手写数字的一些主要特征,并提出了截断次数特征并利用截断次数特征进行了实验(MNIST handwritten digital identification library and picture extraction code MNIST handwritten numeral library identification implementation summary Handwr
handwriting recognition GUI
- 本文主要实现手写数字识别，利用多类逻辑回归与神经网络两种方法实现,并编写有GUI界面。(This paper mainly implements handwritten numeral recognition, using multiple logic regression and neural network to achieve two methods, and the preparation of a GUI interface.)
MINIST_CNN
- 使用卷积神经网络实现手写体识别，有train.m与test.m，里面附有数据集(use CNN to recognize the ministdataset)
手写体数字识别界面程序
- 模糊模式识别，贝叶斯，手写识别。用于识别手写的数字。有样本图片。(Fuzzy pattern recognition, Bayes, handwriting recognition. Used to recognize handwritten numbers.)
基于概率神经网络的手写体数字识别
- 基于概率神经网络的手写体数字识别Matlab程序(Handwritten digital recognition Matlab program based on probabilistic neural network)
MNIST
- mnist手写体识别，使用tensorflow编写(mnist hand-writing recognition using tensorflow)
fisher
- 利用fisher方法实现手写体数字多分类识别，采用mnist数据集(simple program using fisher)
least_square
- 利用最小二乘法实现手写体数字识别，采用mnist数据集(simple program using least-square)
BPnetwork_code
- 手写体数字识别是模式识别中一个非常重要和活跃的研究领域，数字识别也不是一项孤立的技术，它所涉及的问题是模式识别的其他领域都无法回避的；应用上，作为一种信息处理手段，字符识别有广阔的应用背景和巨大的市场需求。因此，对数字识别的研究具有理论和应用的双重意义。(Handwritten numeral recognition is a very important and active research field in pattern recognition, digital recognition
ml-handwritten-digit-recognition-master
- 手写体数字（0-9）使用MATLAB图像识别的机器学习(Handwritten digit (0-9) recognition from images using machine learning in matlab)
digit-recognition-master
- generateclassifier.py Python脚本来创建文件digits_cls.pkl分类器。 performrecognition.py Python脚本测试分类。 digits_cls.pkl -数字识别的分类器文件。 photo_1.jpg测试图像1号测试分类器 photo_2.jpg测试图像号码2测试分类(generateClassifier.py - Python scr ipt to create the classifier file digits_cl