搜索资源列表
LeafRecognization-FromLittlebone
- 首先对10个样本进行学习，计算得到一个“叶子”的“记忆”模式，然后对输入的模式进行识别，给出相似度。-first pair of 10 samples for study, calculated a "leaf" the "memory" mode, and then import the model identification, given similarity.
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 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。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“
changyongsousuosuanfa
- 常用搜索算法 光盘上包括了书上提供的例程及算法，均可在Visual C++ 6.0下编译通过。 读者可参照书籍了解程序的使用。 实验素材里面提供了一些模式识别实验用的数据库。其中“数字和字母图像” 用于脱机字符识别里的模板匹配法，USPS字库用语Fisher线性判定识别手写数 字。由于一些原因，有些数据库不能提供，需要读者自己采集样本。 -search algorithm commonly used on the CD, including a book on th
lianjizifushibie
- 联机字符识别 实验素材里面提供了一些模式识别实验用的数据库。其中“数字和字母图像” 用于脱机字符识别里的模板匹配法，USPS字库用语Fisher线性判定识别手写数 字。由于一些原因，有些数据库不能提供，需要读者自己采集样本。 -online character recognition experimental materials inside provided some experimental pattern recognition database. These "
tuojizifushibie
- 脱机字符识别 实验素材里面提供了一些模式识别实验用的数据库。其中“数字和字母图像” 用于脱机字符识别里的模板匹配法，USPS字库用语Fisher线性判定识别手写数 字。由于一些原因，有些数据库不能提供，需要读者自己采集样本。 -experimental materials inside provided some experimental pattern recognition database. These "numbers and letters images
digital-recognise
- 数字识别代码 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为90％ 另外，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。步骤为：“256色位图
WordRecognizeVc++Res
- 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。-first use of the identification procedures, they can run the Release directory of executable files, Then the c
Basedonsampleandkerneldynamicmeans
- 基于样本和主轴核函数的相似度的动态聚类算法程序-based on samples and nuclear spindle function of the similarity dynamic clustering algorithm procedures
digitshibie
- 图形数字识别： 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-graphics figures recognition : the first step : training netw
szsbxtydm
- 数字识别系统源代码.rar 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
angela-work
- 运用bp神经网络方法实现对8*16像素的手写体0~9数字识别的代码，列出了训练样本以及测试样本-use bp neural network method of 8 * 16 pixels handwritten 0 ~ 9 digital identification code, listed training samples and test samples
ISODATA
- ISODATA算法是一种基于统计模式识别的，非常经典的非监督学习动态聚类算法，有较强的实用性。ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。-ISODATA algorithm is based on statistical pattern recognition, unsupervised learning is the classic dynamic clustering algorithm
APP0002_Rev_D
- DLIS-2K线阵图像传感器包括4行像素，每行有2081个光学像素和16黑像素。其中3行为4 x 4 micron方形像素，另一行为4x32 micron长方形像素。通过运用 Correlated Multi-Sampling (CMS)方法，其等效灵敏度可达160 V/lux-s。每一行可任意控制曝光及输出。此外，背景采样可使用常规 Correlated Double Sampling (CDS)值或设为用户控制的环境光值。传感器由3线串口控制，集成了我们的专利技术 high speed Di
USPS.rar
- 用于手写体数字识别的USPS样本数据库和将MAT格式的样本数据库转换成二值化图像并以行程编码存储,For handwritten numeral recognition of the USPS database and a sample format of samples MAT database into binary image and the Run-Length Coding storage
TOCR3.0DemoCPPIss1.zip
- Samples above OCR in C++ Include Descr iption,Samples above OCR in C++ Include Descr iption
RSC
- 强壮的人脸识别系统，发表于cvpr2011年，程序是应用matlab实现-Recently the sparse representation (or coding) based classifi cation (SRC) has been successfully used in face recognition. In SRC, the testing image is represented as a sparse linear combination of the trai
patternClass
- 產生k個d維的常態分布樣本，產生某個事前機率為P(wi)的常態分布的discriminant function，計算任兩點間的Euclidean distance及Mahalanobis distance -Generated k-d-dimensional normal distribution of samples to generate a prior probability P (wi) of the normal distribution of the discriminan
shuzishibie
- 数字识别代码 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为90％ -Digital identification code the first step: Training Network. Th
pattern
- 联机文字识别，能够识别0到9，里面包括了训练好的样本-Online language recognition, be able to identify the 0-9, which includes the best training samples
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 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。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－