搜索资源列表
MATLABSHOUXIESHIBIE
- 这是一个用matlab实现的RBF神经网络手写数字识别算法.此算法加入相应的手写数字图后可以运行.-This is a realization of using Matlab RBF neural network recognition algorithm handwritten figures. This algorithm adherence to the corresponding figures handwritten map after the run.
565
- 用matlab编写的实现RBF手写的数字识别程序,-using Matlab prepared by the realization RBF handwritten digital identification procedures,
EXO4
- 用matlab实现的一个手写数字识别程序-using Matlab achieve a handwritten digital identification procedures
fft+DCT
- 自己手写的图像的FFT变换和DCT变换的MATLAB代码-own handwritten Image Transform FFT and DCT MATLAB code
matlab_read_idx-ubyte
- 做手写阿拉伯字体识别时候需要用到图像数据文件。这时可以从http://yann.lecun.com/exdb/mnist/网站上下载数据源文件。这个程序可以很方便地将源文件读到matlab工作区间中去。
PCAshuzishibie
- 用PCA进行手写数字识别，主要是用Matlab实现了原始图像的预处理，进而分别采用传统的PCA方法、改进的PCA算法和2维PCA算法进行了数字识别。
Recognition_Writing_Matlab
- 此源码为进行手写文字识别的Matlab经典算法的实现，希望能对大家有所帮助
matlabshibie
- matlab写的手写分类识别得源码，内部包含文件的使用说明。
reco
- 在MATLAB环境下,实现手写大写字母的识别功能
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。
digital-identify
- 用matlab编写的程序，可以识别0到9手写数字，识别成功率很高。-Programs written with matlab, you can recognize handwritten numbers 0 to 9 to identify a high success rate.
handwritingNumber
- 基于matlab的手写数字识别 识别率很高 -Matlab-based recognition of handwritten numeral recognition rate is high
handclass
- 1）解压缩 2)打开“手写数字分类软件”文件夹，点击“手写数字分类.msi”安装程序，在安装向导中选择安装目录，安装完成。 3)打开Matlab软件程序，将当前工作目录设为“手写数字分类”的安装目录，在命令行中输入“classification”命令，即可打开手写数字分类软件。 4）内含多种识别方法 -1) Extract 2) Open the
c02
- [demo.rar] - 增值税发票抵扣联字符识别中的图像倾斜校正方法，很有用 [2007012218032016052.rar] - 目前紧紧支持24种验证码的识别，后续版本将会慢慢加入更多可识别的格式。 [OCR.rar] - OCR光学字符识别代码，思想是背景16值变化，提供勾，圈，叉识别 [javawllt.rar] - 用JAVA编译的局域网聊天程序 v 1.0 ，此聊天程序为学习java语言而开发的 [MySoft.rar] - 一种利用硬盘序列号对
71477212FFT
- 自己手写的图像的FFT变换和DCT变换的MATLAB代码-Own handwritten images FFT transform and DCT-MATLAB code
MNIST_CNN 代码及测试结果
- 只含一层卷积层的CNN也可以将手写数字识别的正确率达到99%(The CNN with only one convolutional layer can also get the correct rate of handwritten digit recognition up to 99%.)
NumberRecognizer
- 在matlab平台上进行的数字识别，样本为手写的0-9的数字(number recognition in matlab)
deep_autoencoder_or_classifier@MNISTdigits
- SAE手写数字识别 MATLAB代码 deep learning(SAE deep learning MATLAB)
loadMNIST
- 在MATLAB中读取MNIST数据集，MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.(read MNIST data set in MATLAB
迭代学习Matlab仿真
- 自己手写的迭代学习控制的matlab仿真代码，亲测可用(Self-handwritten iterative learning control matlab code, pro test available)