搜索资源列表
BP神经网络源程序及训练样本
- 人工神经网络\\神经网络的程序和训练数据 解压缩后可以运行的-ANN \\ neural network training procedures and decompress data after the run
训练样本
- 好用的训练样本
训练样本
- 很好的训练样本方法
svm.支持向量机中的训练样本的MATLAB源代码程序
- 支持向量机中的训练样本的MATLAB源代码程序,Support Vector Machine training samples in the source code of the MATLAB program
bp1
- 基本的BP算法，将训练样本和测试样本已载入，可根据需要更换上述样本-Basic BP algorithm, the training samples and test samples have been loaded, may need to be replaced in accordance with the above-mentioned samples
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-err
HandwrittenRecognition
- 可以对数字进行识别。并且可以自己训练样本-Figures can be identified. And can be its own training samples
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
DigitalRecognitioncode
- 使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行
PixelwiseImageLabeler14
- 用于分类图像，选取训练样本 基于像素点的分类工具-use to classifer images and select training examples based on pixe.
20064817924orl_faces_112x92
- ORL人脸图像库，共40人，每人10幅图像，其中每人的前5幅作为训练样本，后5幅作为测试分类样本，统计正确分类率。分类准则为最近邻规则。 真实的图像尺寸为112x92，列向量堆积对应人脸库矩阵的每一列。 -ORL face image database, a total of 40 per 10 images, each of which the first five as training samples, after the 5 categories as a test sampl
FastNN
- 简单快速近邻算法：再二维平面一矩形范围内随机产生100个训练样本，任意划分为三个区域，用快速近邻法确定待识别实验样本的所属分类-Simple and rapid nearest neighbor: Another two-dimensional plane within a rectangle of 100 randomly generated training samples, arbitrary divided into three regions, with the fast neares
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 - Thi
Read_MNIST_DataSet
- 读取标准手写数字库中的图像，包含60000个训练样本和10000个识别样本-hand written digital,contains 60000 trains example and 10000 test images.
神经网络 训练识别
- 1.先打开一幅图片然后按照顺序灰度化、二值化、灰度拉伸、车牌定位、二值化、倾斜校正、字符分割、训练神经网络、识别字符。 2.测试图像存储在当前目录的img下。 3.测试集、训练集、目标向量均存储在img下的文本文件中。(1. First open a picture and then follow the sequence of grayscale, binary, grayscale stretching, license plate positioning, binarization, ti
车牌识别训练样本
- 车牌识别训练样本，0-9的数字训练样本，可用来做车牌识别(download for License plate recognition training sample)
基于训练样本自动选取的SVM彩色图像分割方法研究
- 该文献主要介绍了基于训练样本自动选取的SVM彩色图像分割方法，详细的对比了各种方法的优缺点(This paper mainly introduces the SVM color image segmentation method based on the training sample automatically, and compares the advantages and disadvantages of various methods in detail)
车牌汉字样本
- 车牌识别中汉字训练样本，包含31个省份，每个字符几十到几百个样本。(License plate recognition Chinese character training samples, including 31 provinces, each character tens to hundreds of samples.)
CSC神经网络算法和训练样本
- CSC算法的神经网络算法和训练样本，包含测试程序test.py还有训练程序train.py
BP神经网络股票预测
- 分别采用BP网络和RBF网络进行数据预测 在600085这个数据表中，以XZSLX综合作为输入，以收盘价作为输出 以前595个数据作为训练样本，后100个数据作为实际输出。 通过训练数据建立模型，最终输出100个预测的股票收盘价。 将预测的收盘价和实际的收盘价进行对比并求取误差，从而判断所建立模型的准确性。 BP神经网络调用newff函数实现。(In the data table of 600085, XZSLX synthesis is used as input and closing pr