基于支持向量机对手写数字识别的实现

基于支持向量机的长波红外目标分类识别算法

基于光纤布拉格光栅(FBG)构建的传感器网络, 将粒子群(PSO)算法与最小二乘支持向量机(LSSVM)相结合, 应用于304钢板损伤识别研究中。以FBG中心波长变化量的信息特征为输入量, 钢板结构损

简单的支持向量机代码,经matlab2014测试有效,可用于分类.支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数

用matlab实现的手写数字快速识别,算法典型,可以借鉴 这是我做课程设计时找的参考资料

手写数字识别,一共有三个文件,前向传播,反向传播,测试。

利用一个手写数字“先验数据”集,使用knn算法来实现对手写数字的自动识别; 先验数据(训练数据)集: ♦数据维度比较大,样本数比较多。 ♦ 数据集包括数字0-9的手写体。 ♦每个数字大约有200个样本

CNN实现手写数字识别-kaggle竞赛，正确率是99.6，在kaggle排名200左右

利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。

本vs工程实现C++实现CNN识别手写数字里面包含有MNIST数据集

MNIST├── MLP-MNIST.ipynb├── MNIST-ReLU.ipynb└── MNIST_data ├── t10k-images-idx3-ubyte.gz ├── t10k-