基于tomoe的QT手写识别

解决了来自http://neuralnetworksanddeeplearning.com/chap1.html中神经网络识别手写数字不能在python3以上版本中运行的问题。编写了Run_Trani

基于BP神经网络的手写数字识别MATLAB源码,包括GUI界面

使用c++编写的 有源程序 有可执行文件 准确率较高

这是个基于模版匹配的手写体数字识别，是用mfc单文档写的，功能简单，识别率高（相对于作者本人，应为模版所记录的特征是作者的），程序只是参考用

这是大二初学java时写的一个手写识别小软件。 这里包含了整个程序的源代码，《概要设计说明书》，javadoc 和 UML类图。 Version: 1.0 压缩包中包含了： 1.任务综合报告：概要设计

基于贝叶斯分类器的手写体数字识别，识别率为87%，加大训练样本识别率更高。

设计了一种基于matlab的手写数字识别系统，全面覆盖多种分类器，有Fisher线性判别，贝叶斯分类器，神经网络，k近邻等等线性与非线性的分类器，识别的准确率较高，具体依据各个算法的不同，可以在此基础

最新的论文资源研究了利用支持向量机分类器进行手写体数字识别的技术。构建了我国邮政手写数字库和美国邮政手写数字库。在此库上,利用基于SVM多类分类器进行了实验,并与其他分类器的识别方法进行了比较。实验结

基于神经网络的手写体数字识别，帮助你更好的理解神经网络及数字识别

本文档从最基本的原理出发，介绍了利用BP神经网络进行手写数字识别，是学习神经网络很不错的参考资料。