搜索资源列表
j_13583_Barcode39Rm
- 形码生成与识别的研究及实现(要求用C#或VB.NET实现 )1.条形码生成：通过对条形码结构、编码规则的学习和对C#中图像的读取及图像的基本操作的掌握，学会用GDI生成Code39条形码，或者用特殊字体的方式生成条形码，最终将输入的文字信息转化成符合国际标准的条形码。 2、条形码识别：确定系统框架，用C#完成课题的详细设计和代码编写，根据条形码的码制规则，对以图片方式获得的条形码通过图像处理相关知识经滤波、边缘检测、区域分割等处理进行识别，将条形码信息解析成相应文字-Code generat
BarCodeWin
- 1.条形码生成：通过对条形码结构、编码规则的学习和对C#中图像的读取及图像的基本操作的掌握，学会用GDI生成Code39条形码，或者用特殊字体的方式生成条形码，最终将输入的文字信息转化成符合国际标准的条形码。 2、条形码识别：确定系统框架，用C#完成课题的详细设计和代码编写，根据条形码的码制规则，对以图片方式获得的条形码通过图像处理相关知识经滤波、边缘检测、区域分割等处理进行识别，将条形码信息解析成相应文-1. Bar code generation: structure of bar co
Barcode39Rm
- 1.条形码生成：通过对条形码结构、编码规则的学习和对C#中图像的读取及图像的基本操作的掌握，学会用GDI生成Code39条形码，或者用特殊字体的方式生成条形码，最终将输入的文字信息转化成符合国际标准的条形码。 2、条形码识别：确定系统框架，用C#完成课题的详细设计和代码编写，根据条形码的码制规则，对以图片方式获得的条形码通过图像处理相关知识经滤波、边缘检测、区域分割等处理进行识别，将条形码信息解析成相应文-1. Bar code generation: structure of bar co
simplecharrec(III)-update
- 模式识图像处理，用线性分类器实现，判别分类标准-Pattern recognition image processing, linear classifier achieved, identification and classification standards
ORL
- 在ORL标准人脸数据库，用来完成模式识别任务-Standards in the ORL face database is used to complete the task of pattern recognition
2DPCA
- 在ORL或Yale标准人脸数据库上完成模式识别任务。用2DPCA方法完成人脸检测实验。-Standards in the ORL face database or Yale to complete the pattern recognition task. Complete with face detection method 2DPCA experiment.
Main.java
- 识别标准的科学技术法 转换成标准形式进行输出 到此为止-Recognition of Science and Technology Act standards into the standard form of output ends
d3-master
- 数据可视化工具,可以将数据展现为HTML、SVG和CSS wiki地址https://github.com/mbostock/d3/wiki-D3.js is a Javascr ipt library for manipulating documents based on data. D3 helps you bring data to life using HTML, SVG, and CSS. D3’s emphasis on web standards gives you the f
zint-code
- zint源码 可以生成Code 2 of 5, Code 2 of 5 Data Logic, ITF-14, Deutche Post Leitcode, Deutche Post Identcode, UPC-A, UPC-E, EAN-2, EAN-5, EAN-8, EAN-13, UK Plessey, MSI Plessey, Telepen Alpha, Telepen Numeric, Code 39, Extended Code 39, Code 93, PZN,
loadMNIST
- 在MATLAB中读取MNIST数据集，MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.(read MNIST data set in MATLAB