minist手写数字数据集(原始图片)；
42000张图片，0-9MNIST数据集来自美国国家标准与技术研讨所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)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(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据.
42000张图片，0-9MNIST数据集来自美国国家标准与技术研讨所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)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(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据.
2023/2/5 6:35:45
28.81MB
1
模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
包括数字0-9的手写数据集。
每个数字大约有200个样本。
每个样本保持在一个txt文件中，数字图像是32x32，所以txt文件的内容也是32x32个数字，0或者1。
具体运用方法见博客：http://blog.csdn.net/zouxy09
每个数字大约有200个样本。
每个样本保持在一个txt文件中，数字图像是32x32，所以txt文件的内容也是32x32个数字，0或者1。
具体运用方法见博客：http://blog.csdn.net/zouxy09
2023/1/14 2:18:35
723KB
1
期末复习老师给的课后答案，是含有答案照片的word文档，答案是打印的，不是手写的。
所用课本为谢希仁写的第七版计较机网络。
所用课本为谢希仁写的第七版计较机网络。
2023/1/14 0:55:25
4.71MB
1
MathpixSnip这款神器只需截个图，公式会自动转化为LaTex表达式，我们只需要简单地修改就行了。
按快捷键：CTRL+ALT+M，即可开始截图，甚至手写的都可以识别，对公式截图后，软件能自动识别并生成latex代码。
使用教程：https://blog.csdn.net/qq_34243930/article/details/89158366
按快捷键：CTRL+ALT+M，即可开始截图，甚至手写的都可以识别，对公式截图后，软件能自动识别并生成latex代码。
使用教程：https://blog.csdn.net/qq_34243930/article/details/89158366
2021/2/11 22:18:52
36.25MB
1
USPS美国邮政服务手写数字识别库，已经将mat方式的文件转化为PNG格式的图片，分为0-9个文件夹存放，并附有转化的代码，如有问题，请留言告知，谢谢
2022/12/29 1:50:22
15.7MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB