搜索资源列表
MNIST-handwritten-digits
- 手写数字识别数据集，MNIST，包括原始数据集的所有样本，以及抽取的2000个样本的子集，.mat格式。美国著名数据集NIST的子集，模式识别常用实验数据集-handwritten digits recognition ,dataset, MNIST from NIST, .mat file,
svm_number
- libsvm用于手写数字的识别，数据源自uci，可以到uci数据集网站直接下载semeion.data数据，放在文件夹中可以直接调用-The libsvm used for handwritten digit recognition, data from uci . You can go to uci datasets sites directly download semeion.data. The data can be called directly after putting into
KNN_2011211651
- 应用KNN算法解决0到9的手写数字识别问题，效果在90 以上，内部有两个数据集，一个为训练集（7291个数据），一个为测试数据（2791个数据），程序采用MATLAB编写，另附有文档，程序简洁易懂-Application KNN algorithm to solve 0-9 handwritten digit recognition problem, the effect is more than 90 , the inside has two data sets, one for the tr
SVM
- 支持向量机(SVM)的手写识别的简单程序，附带数据文件-The SVM Algorithm
deeplearning
- 一个深度学习的python例程，该程序可以通过学习大量手写数字的数据提取出各手写数字的特征并对其进行识别。本文件中包含运行的主程序和结果，以及运行程序所需要的python库。- A depth learning python routines, the program can learn a lot of handwritten digital data extracted handwritten digits of each feature and gain recognition. Th
CNN
- 这个代码主要是研究手写数字的识别效率，用卷积神经网络算法来实现，用的是官方手写字体数据，能够显现百分之九十以上的识别率。-Used for convolution neural networks to identify handwritten numbers
codes
- 手写数码（0到9）识别的神经网络框架。附有数据训练集和测试集。采用随机梯度下降的BP算法。可以修改参数，加入drop out和动量法。-Digital handwriting (0 to 9) of the neural network recognition framework. With training and test data sets. BP algorithm using stochastic gradient descent. Parameters can be modified
train-labels-idx1-ubyte
- 用于手写数字识别的训练数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Training data (tags) for handwritten digit recognition)
t10k-labels-idx1-ubyte
- 用于手写数字识别的预测数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Predictive data (tags) for handwritten numeral recognition)
train-images-idx3-ubyte
- 用于手写数字识别的训练数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Training data (pictures) for handwritten digit recognition)
t10k-images-idx3-ubyte
- 用于手写数字识别的预测数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Predictive data (pictures) for handwritten numeral recognition)
BP神经网络手写数字识别
- 使用bp神经网络算法识别手写阿拉伯数字图像，三层的误差反馈神经网络，可输出准确率，数据集为60000条数据，每条数据是一张28*28的图片(The BP neural network algorithm is used to recognize handwritten Arabia digital images, and the error feedback neural network of three layers can output the accuracy rate. The data
my_cnn.tar
- 用卷积神经网络实现手写数字识别，数据集为mnist数据集(Convolution neural network is used to realize handwritten numeral recognition. Data set is MNIST data set.)
基于SVM的手写字体识别
- 基于SVM的手写字体识别，含有源程序和数据，可直接运行(SVM Based Handwriting Recognition)
KNN
- 利用KNN算法识别手写数字，zip内包含训练数据集和测试数据集(This is a handwriting number recognition demo using kNN algorithm)
CNN
- 手写数字识别的数据集 matlab实现cnn(Data Set for Handwritten Number Recognition Realization of CNN in matlab)
convolutional_network
- 用tensorflow搭建卷积神经网络实现手写数据集的识别(Recognition of Handwritten Data Set by Constructing Convolutional Neural Network with Tenorflow)
MNIST数据集
- 手写数字识别数据集的训练集和测试集，关于BP神经网络(Handwritten digit recognition data set)
mnist手写数字识别
- 本代码运行良好，代码包括全连接网络和卷积网络，同时附有数据集，非常方便初学者使用。
神经网络-手写数字识别
- 利用BP神经网络，对MNIST数据集中的5000张图片进行训练，实现手写数字识别，训练出来的结果准确率在90%。