基于k_邻近算法的手写识别系统的研究与实现

本文档用java语言，编写的K邻近点算法。该算法在数据挖掘中，进行分类中应用比较广泛。本文档只是一个简单的算法实现，还可以进行扩展。

数字识别是扫描文档并将其转换为电子格式的过程中必不可少的元素。 在这项工作中,正在提出一种新的多像元大小(MCS)方法,以利用定向梯度直方图(HOG)特征和基于支持向量机(SVM)的分类器对手写数字进

基于tensorflow和pycharm实现基于卷积神经网络的手写字体识别系统，并上传制作好的课程文件，以供大家直接使用，代码亲测可用

本次设计要实现的目标就是建立一个图像处理识别的平台,使手写的汉字以图像文件格式(BMP)的形式输入FPGA,提取出其特征向量,通过分类识别,转换为汉字文本。我们需要设计和实现脱机手写汉字识别系统,主要

基于BP神经网络的手写数字识别系统，基于Matlab开发，实现手写输入板功能，特征提取，模型训练，手写识别等功能。详细使用方法在readme说明文档中。

手写数字的识别。基于人工神经网络的MATLAB手写数字识别系统matlab

Fuzzy K-means algorithm and its matlab implementation

用java实现k-近邻算法分类器的完整工程代码，测试结果正确

数据挖掘中的k最邻近算法c++实现的算法

基于卷积神经网络的手写汉字识别系统与实现,这是关于手写汉字识别的研究,有实现方法和结果,包含设计思路原理,实验结果和分析。