手写体数字识别数据训练数据测试数据

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%

基于python编写，包含手写体识别项目的代码和完整数据集，可直接运行

完整的MNIST CNN手写体识别数据集加代码，深度学习入门好资源！

使用K近邻算法实现手写体MINST数据集识别将MINST data解压后放到同一文件夹下运行即可.测试结果取3近邻时正确率为97.9取5近邻时正确率为97.64import operator impo

Handwritten font deep learning training and test data set, MNIST data set

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。

基于KNN实现的手写体数字识别C++代码，输出结果有混淆矩阵、召回率、训练准确率、预测数据输出等。

使用BP算法的神经网络手写体数字识别，使用Python语言编写，包含四个文件：训练模块，测试模块，图像显示模块还有一个最简单的神经网络模型。希望对大家有帮助。

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