搜索资源列表
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。
1234
- uci机器学习数据库关于字符识别的源数据。是字符识别的研究的关键数据来源。包括手写字体和印刷体两类，手写的数字和印刷体的字母。-uci machine learning database on the source character recognition data. Character recognition research is the key source of data. Including two types of handwriting fonts, and print, han
classify
- 机器学习中关于分类的一段matlab程序，自己的课后大作业，是关于手写数字识别-Machine learning matlab on a classified program, their major job after school, on the handwritten numeral recognition
Digit
- Java实现的手写数字识别工具，基于人工神经网络和机器学习原理。先读入一个文件进行训练，然后可以识别相同格式文件中的手写数字。目录下的PNT文件即为手写数字的数据文件。-Java implementation of the handwritten numeral recognition tool, based on artificial neural networks and machine learning principles. To read a file into training, t
kNN
- 机器学习KNN算法的实现和测试，手写数字识别系统的测试代码-Implementation and test of machine learning KNN algorithm, handwritten numeral recognition system test code implementation and testing of machine learning KNN algorithm, handwritten numeral recognition system test code
手写数字识别 matlab
- 手写数字识别 matlab，用于进行数字识别，是机器学习现在的热门话题
neuralnetwork-sample
- 由java编写的，具有gui界面的，手写数字识别神经网络示例(Written by Java, with GUI interface, handwritten numeral recognition neural network examples)
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)
opencv 的手写数字字符识别
- 基于opencv 和机器学习方法的手写数字字符识别(Handwritten numeral character recognition of opencv)
network2
- 初学机器学习，第一步是做一个简单的手写数字识别，我选用的是MNIST数据集（用其他数据集也可以，原理都差不多），算法是KNN（下载库直接调用函数，算法的具体实现没有过多关心）。在网上也看到过MNIST数据集的Python代码，但是感觉有些复杂，作为初学者见到那么多代码就头大……这里分享一下我的代码，虽然并不完善，但是可以为其他初学者提供一点简单的思路吧。(Learning machine learning, the first step is to do a simple handwritten
手写数字识别
- 一个练习机器学习的算法，解决手写数字识别的算法(An algorithm that exercises machine learning to solve the handwritten numeral recognition algorithm)
14.SVM(代码)
- 用SVM在python平台实现手写数字的识别(using the algorithm of SVM to recognition of handwritten numerals on python)
基于机器学习的手写数字识别
- 基于Python机器学习的手写数字识别 基于Python机器学习的手写数字识别(Handwritten digit recognition based on Python machine learning Handwritten digit recognition based on Python machine learning)
mnist
- 手写数字识别。通过各种数字图片进行机器识别，属于机器学习入门级别编程。(Handwritten digit recognition. The machine is recognized by various digital pictures, which belongs to the introduction level programming of machine learning.)
Hand_num
- 基于神经网络及GUI触摸板的手写数字识别，基本的机器学习例子(Handwritten numerals recognition based on neural network and GUI touch board, basic machine learning examples)
ml-handwritten-digit-recognition-master
- 手写体数字（0-9）使用MATLAB图像识别的机器学习(Handwritten digit (0-9) recognition from images using machine learning in matlab)
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)