搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
recongnation
- 图像模式识别 模板匹配法 神经网络分类器 几何分类器 基于概率统计的贝叶斯分类器-image pattern recognition template matching neural network classifiers classification is based on geometric probability and statistics Bayesian classifier
pattern-recongnation
- 该程序设计采用了模式识别中的多种方法： 模板匹配§贝叶斯￥几何分类器×神经网络法等分类方法
fenlei
- 模式识别，一个很好的数字，图形程序，包括了很多种算法，样本设计，摸板匹配，BYS分类器，线性分类器，非线性分类器，神经网络分类
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别， Bayes分类器识别（使用二值数据的Bayes方法,最小错误概率的Bayes方法，最小风险的Bayes方法)，线性函数分类法识别（Fisher算法，奖惩算法，增量校正算法，LMSE算法的识别），非线性分类法（势函数法）识别，神经网络分类法识别（包括神经网络训练，神经网络建立后输出权值，测试与比较，神经网络识别）。 运行完全正确，是学习VC实现不同分类识别方法的很好代码。
fenleichengxu.rar
- 用VC++实现图像的分类识别，模板匹配分类器，Bayes分类器，线性函数分类法，非线性分类法，神经网络分类器,With VC++ Achieve image classification and recognition, template matching classifier, Bayes classifier, a linear function of classification, non-linear classification, neural network classifiers
classify
- 简单分类器 可用于基于神经网络的字母识别，适合初学者使用。 -Simple classifier based on neural network can be used to identify the letters, suitable for beginners to use.
BP
- 图像模式识别 模板匹配法 神经网络分类器 BP源代码-Image pattern recognition template matching neural network classifier BP source code
Classification
- 模式分类。包括:训练样本设计、模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类法-Pattern classification. Include: training sample design, template matching classifier, Bayes classifier, a linear function of classification, non-linear classification, neural network classificat
picVC
- 图象模式识别--VC++技术实现 ① 选择【模板匹配分类器】菜单，可以应用模板匹配算法进行分类。 ② 选择【Bayes分类器】菜单，可以应用Bayes算法进行分类。 ③ 选择【线性函数分类法】菜单，可以应用线性函数算法进行分类。 ④ 选择【非线性分类法】菜单，可以应用非线性算法进行分类。 ⑤ 选择【神经网络分类器】菜单，可以应用神经网络算法进行分类。 -Image pattern recognition- VC++ technology to achieve
PatternRecognition
- 图象处理 模式识别 多种分类方法(最临近匹配分类器、Bayes分类器、线性函数分类、非线性函数分类、神经网络分类)识别0-9数字 手写数字与数字图片,包括设计训练样品库、可以选择多种分类器来识别识别0-9这十个阿拉伯数字，包括临时手写的数字，也包括图片中的数字 -Pattern recognition image processing a variety of classification (the most close to matching classifier, Bay
Class
- 分别通过模板匹配分类器、、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器对手写字进行模式分类，编写相关的程序可以参考此代码-Respectively, through template matching classifier,, Bayes classifier, a linear function of classification, non-linear classification, neural network classifiers for pattern classi
Handwritten_numeral_recognition
- 手写数字识别,分为分类程序（模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器）和聚类程序（模糊聚类、遗传算法）-Handwritten numeral recognition, is divided into classification procedures (template matching classifier, Bayes classifier, a linear function of classification, non-linear classif
mode
- 基于VC的各种聚类和分类算法程序。 手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类。有模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器。 在左视图上单击鼠标左键，可获得3种数据源：标准数字聚类、手画图形聚类、位图文件分析聚类。可以进行特征提取、模糊聚类和遗传算法。-VC-based clustering and classification algorithm for a
renlianshibie
- 利用PCA对人脸图像进行降维，然后训练神经网络分类器的Matlab程序-the Matlab in face recoginization using PCA algorithm
gg
- 模式识别，包括分类器的设计，字符识别，以及BP神经网络-recogition
niaochenzhazidongshibiesuanfa
- 本文展开了对尿沉渣图像 自动识别算法的研究。著者在从事“尿沉渣图像自动识别算法的研究”课题的研究 中，广泛吸取了国内外已有的有益成果，根据尿沉渣图像特点从图像增强、图像 分割、特征提取和特征选择、图像识别等各个环节寻求最佳的可行方法以提高识 别的性能，提出了基于组合图像分割算法、改进的特征提取和特征选择算法以及 BP神经网络分类器的尿沉渣图像自动识别算法。-This started on the urine sediment image recognition algorit
Pattern-Recognition-ppt
- 介绍模式识别的基本概念，详述了贝叶斯，参数估计，线性分类器，神经网络，随机方法，无监督学习与聚类等-Introduce the basic concepts of pattern recognition, Bayesian detailed, parameter estimation, linear classifiers, neural networks, stochastic methods, unsupervised learning and clustering, etc.
fenlei
- 在VC++6.0环境下运行.手写数字的分类识别，并有详细的程序使用方法。分别采用模板匹配分类器，Bayes分类器，线性函数分类法，非线性分类，神经网络分类器进行识别，功能强大，还可以对比各种算法的优劣。-VC++6.0 environment run. Classification and recognition of handwritten digits, and a detailed program to use. Template matching classifier Bayes cla
bp_network
- 对两种类型的纹理图像，各选取30幅，计算灰度共生矩阵，提取特征向量；构件BP神经网络分类器，用每种类型的前20幅对分类器进行训练，后10幅用来测试分类效果。-Two types of texture image for each select 30 calculated GLCM, extracting feature vectors member BP neural network classifier, before use each type of 20 pairs classifier