手写体数字识别是一个跨学科的复杂问题,综合了图像处理、模式识别、机器学习等多个领域的知识,其识别过程一般包含图像预处理、特征提取、分类器的设定及其后处理等组成
python语言编写,利用TensorFlow建立两层卷积神经网络,数据集为手写体识别数据集MNIST,识别准确率99%
手写体数字识别数据-digits.zip——手写体数据和KNN实现
关于手写体数字识别的基本过程 并结合c++ MFC Bayes 开发了相应的软件
摘要:通过对手写体数字识别技术的研究,本文建立了一个脱机手写体数字识别系统,对手写体数字的识别提出了一些新的思路,并对识别过程中所采用的关键算法进行了阐述。本文提出了二次毛刺去除法对手写体数字图像进行
手写体识别原代码, C语言实现, 具有学习功能
所有程序,都是本人辛苦从网上收集的可用全面的资源,因为本人毕业设计就是关于数字识别的,所以我花费了巨大精力寻找资源。为了不让初学者浪费巨大精力在资源上,我特意把所有可以用的代码放在里面供你们参考学习。
本资源集成了MINIST+SVM+MATLAB,可用来进行手写体识别的训练和识别,并判断准确率,同时文档给出了使用说明和附带训练数据,happy hacking!
文章中阐述了用贝叶斯决策理论和神经网络的方法实现手写体数字识别的算法。
手写数字的识别是模式识别及机器学习的一个重要应用,应用范围非常广泛。本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。