手写数字识别(滚屏播放效果GUI).zip

基于BP网络的手写数字识别程序，可识别0至9，完整的课设，完整的代码。

检测效率还成

手写数字识别是是神经网络学习最基础的一个实验，也是我入门深度学习的第一个实验，这个实验通过经典的minst数据集，对其中的训练数据和测试数据使用cnn网络进行学习和训练最终得到一个良好的准确率之后，把

基于手写体数字特征的识别系统,预先训练了19个模板,获取字体的特征与模板匹配(采用最短距离法),得出识别结果,准确率很高

使用libsvm 实现MNIST数据库手写数字识别，正确率98.14. 包含matlab程序，libsvm库，以及60000张训练数据10000张测试数据

神经网络实现手写数字识别，带数字图片,用MATLAB实现

这是一个用C#实现的手写数字识别的范例程序

可脱机工作，基于SVM和HOG的手写体数字识别。最后用MFC做的可操作界面。

手写数字识别系统。图像二值化处理-图像切割-智能化个人手写数字识别。python代码使用SVM,matlab使用CNN。

mnist手写数据集,学习深度学习,机器学习入门者必备的数据集,就跟学习编程语言的Hello,World一样。工具包包括数据集和已经实现的Python代码