搜索资源列表
手写识别系统
- 数字识别,识别手写体。 使用神经网络算法编写。 识别率一般,带训练功能-Number recognizing system,used to recogize the hand writing figures.It is writen by nero network and has low recognizing effects but we can exercise it.
手写体数字的识别程序
- 运用神经网络 算法所写的手写数字的识别程序-networks using neural network algorithm written in the handwriting digit identification procedures
模式识别的一些预处理
- 模式识别的一些预处理,包括:图像压缩的例子:行程编码算法RCL, 手写体数据变换成像素位图的算法。-some pretreatment pattern recognition, including : Image Compression examples : RCL itinerary coding algorithm, handwritten data transformation into pixel bitmap algorith
脱机手写体汉字识别演示程序 v1.1
- 脱机手写汉字识别-Chinese Character Recognition
PRAssign
- 脱机手写体识别Matlab源程序 包括特征提取、bayes分类器、K近邻分类及最近邻分类。 Testscr iptRecognition.m:测试代码 scr iptFeaExtract.m :特征提取 KNearestEstimate.m :K近邻估计 NearestEstimate.m : 最近邻估计 BayesTrain.m :训练bayes分类器 Bayes.m :测试bayes分类器 Cr
HandWrite
- 手写体识别,基于笔画,对笔画提取特诊点来匹配。
shenjingwangluoshuzishibie
- 数字识别神经网络C++源代码。可以用在印刷体文字识别和手写体识别中。
handwriting_recognition
- unix下的手写体识别程序,识别效果不错。可以识别英文和数字。
pro
- 一个手写体识别的代码,包括训练和测试的数据库
HandIdentifyRate
- BP神经网络手写体识别。BMP图像训练后,进行识别率的计算
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果,可心采用模板匹配分类器(最邻近模板匹配法)识别, Bayes分类器识别(使用二值数据的Bayes方法,最小错误概率的Bayes方法,最小风险的Bayes方法),线性函数分类法识别(Fisher算法,奖惩算法,增量校正算法,LMSE算法的识别),非线性分类法(势函数法)识别,神经网络分类法识别(包括神经网络训练,神经网络建立后输出权值,测试与比较,神经网络识别)。 运
手写体数字识别系统
- 用神经网络准确实现手写体数字的识别,很实用(Neural network to achieve handwritten numeral recognition, very practical)
手写体数字识别
- 可以识别手写体数字,识别率在百分之90以上。贝叶斯决策论(Handwritten numerals can be recognized)
手写体字符识别
- 简单的手写体字符识别,利用了k近邻和支持向量机算法(Simple handwritten character recognition, using the k nearest neighbor and support vector machine algorithm)
英文字母识别
- 基于BP网络的手写体大写字母识别,相对入门(Handwritten Capital Letter Recognition Based on BP Network)
bayes和神经网络的手写体数字识别程序(matlab)
- bayes和神经网络的手写体数字识别程序(matlab)(bayes and neural network handwritten numeral recognition program (matlab))
bpnn
- 用Python3实现BP神经网络对MNIST数字手写体识别,下载就能用(Using Python3 to implement BP neural network for MNIST digital handwriting recognition, download can be used)
LeNet
- tensorflow实现手写体识别(包含mnist数据集)(Handwritten recognition by tensorflow)
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,可用于课程设计(Handwritten digit recognition based on probabilistic neural network can be used for course design)
imgClassifier - 副本
- TensorFlow2.0进行Minist手写体识别(Minist handwriting recognition by TensorFlow2.0)