搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recogni
BPnetwork
- 该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。
pigefenleiNN
- 采用三层BP神经网络对皮革进行分类 程序包括神经网络的训练和识别
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
Gabor小波人脸识别
- 基于Gabor小波的人脸识别程序，在程序中使用了神经网络进行训练和分类。
newpnn[1]
- 基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN go
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recogni
pattern-recognize
- 模式识别分类程序，贝叶斯，神经网络分类训练程序，很不错啊-the classification procedures, Bayesian neural network classifier training procedures, and it is very responds :
adapterSystemPaper
- 论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种
BPnetwork
- 该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。-The program is written in C language using the moment
pigefenleiNN
- 采用三层BP神经网络对皮革进行分类 程序包括神经网络的训练和识别-BP neural network using three-tier classification of leather procedures including neural network training and recognition
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
FenLeiSuanFa
- 关于分算的智能算法演示，包括样品训练、模板匹配算法，二值Bayes分类，概率Bayes分类，最小风险Bayes分类，Fisher算法，奖惩算法，增量校正算法，LMSE算法，势函数算法，神经网络算法（包括训练，比较及识别）等。-Count on the sub-intelligent algorithm demonstration, including sample training, template matching algorith
11
- 神经网络与Matlab，利用BP学习规则训练前向网络，使其完成函数逼近、矢量分类和模式识别，选择训练参数， 并指示如何进行训练-Neural network and Matlab, using BP learning rule before training the network to complete its function approximation, vector classification and pattern reco
PatternRecognition
- 图象处理 模式识别 多种分类方法(最临近匹配分类器、Bayes分类器、线性函数分类、非线性函数分类、神经网络分类)识别0-9数字 手写数字与数字图片,包括设计训练样品库、可以选择多种分类器来识别识别0-9这十个阿拉伯数字，包括临时手写的数字，也包括图片中的数字 -Pattern recognition image processing a variety of classification (the most clo
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于
fruit
- BP神经网络算法实现水果分类，学习训练然后识别，提供例子-BP neural network algorithm fruit classification
FNN-net-work
- 由VB编程实现的模糊神经网络的训练程序，可以实现对数据的分类，模式识别-VB programming by the fuzzy neural network training program, can achieve the data classification, pattern recognition
run
- 实现物体分类，在神经计算棒下实现物体的分类，运用雨交通智能车载，实现障碍物的判断(Realization of object classification)
第一次作业_基于分类算法的雷达状态识别
- 第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别，数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响；数据降维后使用神经网络算法最优，支持向量机算法其次，朴素贝叶斯算法较差。此外，训练样本越多，分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms