识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/3/24 15:29:46
59KB
1
快递单扫描识别软件是一款可以通过高速扫描仪（或高拍仪）批量将物流（快递）单据快速扫描成像、自动识别条码单号作为文件名、上传到快递系统。
快递单扫描识别软件系统特点：1.支持所有品牌扫描仪（平板扫描仪、高速扫描仪和拍摄扫描仪）；
2.自动识别一维和二维条码，识别率达到99.9%以上，能识别所有快递公司的快递单。
3.对未识别的快递单，可以手动修改，操作简单。
4.自动以条码单号作为单据图像的文件名。
5.单据图像采用高压缩技术，每张图像少于100KB。
6.提供批量上传快递系统的快捷方法。
7.支持单号批量保存为Excel文件。
8.支持发货单与签收单分类分文件夹导出。
9.提供批量上传快递系统的快捷方法。
快递单扫描识别软件截图
快递单扫描识别软件系统特点：1.支持所有品牌扫描仪（平板扫描仪、高速扫描仪和拍摄扫描仪）；
2.自动识别一维和二维条码，识别率达到99.9%以上，能识别所有快递公司的快递单。
3.对未识别的快递单，可以手动修改，操作简单。
4.自动以条码单号作为单据图像的文件名。
5.单据图像采用高压缩技术，每张图像少于100KB。
6.提供批量上传快递系统的快捷方法。
7.支持单号批量保存为Excel文件。
8.支持发货单与签收单分类分文件夹导出。
9.提供批量上传快递系统的快捷方法。
快递单扫描识别软件截图
2024/2/28 9:58:51
10.72MB
1
这是我利用5000张正样本4673张负样本训练的XML，识别率比opencv默认提供的XML低一点，但是误检率比opencv提供的要低很多
2024/2/23 17:08:23
40KB
1
MNIST手写字Matlab程序，包含BP和CNN程序。
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序介绍：https://blog.csdn.net/hoho1151191150/article/details/79714691
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序介绍：https://blog.csdn.net/hoho1151191150/article/details/79714691
2024/2/22 23:45:55
21.62MB
1
我编写的一个SVM分类+任意折交叉验证的代码，并可以按照规定的c和gamma值输出识别率，是一个不错的程序，可以解决和多问题，使用非常方便，只需要改几个想用的参数就可以，由于我使用的是VS3013和OPEMCV和众多数不同，只传了一个cpp文件上，只要导入新建工程中，并配置好opencv即可，详细过程写在程序的main函数中，请大家多多指教！！
2024/1/30 18:02:36
14KB
1
此程序包含经典PCA以及2DPCA算法的MATLAB程序，以及在ORL人脸数据库中的人脸识别应用，分类识别算法采用的是SVM。
PCA最高识别率为85%2DPCA为91%程序中涉及到一些图片路径的修改，请注意自己修改。
部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。
主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。
特别注意：在test之前一定要先train一下哦：比如：TDtrain(40,5,5);TDtest
PCA最高识别率为85%2DPCA为91%程序中涉及到一些图片路径的修改，请注意自己修改。
部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。
主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。
特别注意：在test之前一定要先train一下哦：比如：TDtrain(40,5,5);TDtest
2023/12/26 11:01:19
22.34MB
1
：提出一种ＳＡＲ图像目标识别新方法。
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
2023/12/21 8:25:57
607KB
1
对于传统的基于高阶累积量调制信号识别已经较为成熟，从基本的单混合信号出发，提取合适的特征参数设计相应的分类器，实现单混合信号的识别，现在达到了一个较高的识别率。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
2023/12/1 16:48:42
15.64MB
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