搜索资源列表
bp_manul
- 本程序是人工编写的bp神经网络，针对识别样本btw三类进行训练和识别。
DIPAX
- 配套专业版源代码软件DIPA功能简介 与《实用图像处理与分析》配套的源代码软件DIPA是一套完全可执行的VC++界面源代码，界面内容除了图像的表示、读入、保存、彩色变灰度以外，还包括图像的2值化处理、微分变换、几何变换、彩色变换、参数测量、傅里叶变换、小波变换、Hough变换、模式识别、神经网络、遗传算法、图像压缩等功能，提供有近100个图像处理与分析函数的源代码。该软件主要适用于图像处理的教学和科研
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
GestureStudy
- 基于BP神经网络的鼠标手势识别算法与实验程序GestureStudy
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
CarNumberRecognizeSys
- 该程序用Delphi 7.0编写，可以实现车牌号的识别，使用到了BP神经网络算法，并具有一定的图像前期处理功能
zmsbxt
- 一个简单的利用神经网络实现的字母识别程序,简单,易懂.
PCA
- 人脸识别：pca特征提取后，用神经网络进行分类
PlateReco
- 基于人工神经网络的车牌识别，识别效率不错哦
HopfieldNeuralNetwork_src
- 基于hopheid的人工神经网络模式识别，代码可读性强
NNtest
- 神经网络用于牌照识别-neural network license for identification
隐含层为mexihat 输出为sigmal的wav-sigal
- 用三层小波神经网络实现的与文本无关说话人识别。（识别部分）。输入的是语音特征，输出的是识别结果。训练用的语音特征要事先提取出。-with three wavelet neural network has nothing to do with the text of Speaker Recognition. (Recognition). The admission of voice features, the output is the result of recognition. Trainin
netural face recognition
- 这是一种利用神经网络来进行人脸识别的算法。-This is a neural network to the face recognition algorithm.
iris data analysis
- 经典的人工智能问题 - iris数据分析问题。通过设计三层bp神经网络对花朵数据进行分类识别，并达到了很好的效果。-classic AI problem - iris data analysis problems. Three-bp through the design of neural networks classify data flower identification, and to achieve good results.
419
- 用VC++编写的基于神经网络的手写字符识别程序,该程序功能强大,识别率高,应用范围广-VC prepared based on neural network Handwritten Character Recognition program, which is a powerful, high recognition rate and wide application
bp模型
- BP神经网络对字母进行识别， 值得收藏-BP neural networks to identify letters, copies
神经网络模式识别及其实现_源程序
- 个人收藏
ROUGH SET SOURCE CODE
- 基于"pca+lda+粗糙集+模糊神经网络"的人脸识别程序
som聚类算法
- 设计训练一个自组织竞争的人工神经网络（SOM网络）,该网络能识别26个大写英文字母。此网络经过训练后，当给出一个表示字母的输入时，网络能够正确的在输出端指出该字母。