这是一个用ANN（人工神经网络）对手写数字进行识别的程序。
有以下一些特性：1）前端（网页）用JavaScript，html5，css开发；
2）后端（服务器）用python写的（2.7版本）；
3）功能：#支持在网页画布上（用鼠标）写数字，并会返回预测结果；
#支持重置网页画布；
#支持向服务器发送训练样本；
#支持图片预览，图片上传；
#支持对上传的图片中英文字母的识别。
这是一个非常酷的程序，C/S架构，代码也不是很复杂，而且设计了一些很有趣的知识（机器学习，神经网络，http数据传递，前后端开发等等）。
感兴趣的同学可以下载下来看一看，有不懂的可以评论留言。
有以下一些特性：1）前端（网页）用JavaScript，html5，css开发；
2）后端（服务器）用python写的（2.7版本）；
3）功能：#支持在网页画布上（用鼠标）写数字，并会返回预测结果；
#支持重置网页画布；
#支持向服务器发送训练样本；
#支持图片预览，图片上传；
#支持对上传的图片中英文字母的识别。
这是一个非常酷的程序，C/S架构，代码也不是很复杂，而且设计了一些很有趣的知识（机器学习，神经网络，http数据传递，前后端开发等等）。
感兴趣的同学可以下载下来看一看，有不懂的可以评论留言。
2024/4/25 9:05:03
5.8MB
1
这个是我自己写的关于手写数字识别的平台，里面包含了手写板实现的代码以及界面，有别于网上其他用控件实现手写板以及数字识别。
2024/4/18 6:19:54
516KB
1
贝叶斯算法实现手写数字识别原始数据测试（0~9数字，32*32），贝叶斯代码实现手写体识别和大致出错率计算，用于python实现具体逻辑。
2024/4/12 15:13:45
969KB
1
1.1要提高图像处理水平，需要从哪些方面努力？2.1编程实现：分别用最近邻插值、双线性插值和双三次插值等方法把一幅图像面积放大9倍，并对放大效果进行比较。
2.2提出将像素宽度的m通路转换为4通路的一种算法（习题2.13），并编程实现。
3.1编程实现图像反转、对数变换和对比度拉伸。
3.2试提出一种如3.3.4节中讨论的基于直方图统计的局部增强方法，并编程实现。
3.3编程实现中值滤波、Soble运算和Laplacian锐化。
3.4对掌纹图像进行图像增强，使得掌纹纹线更清晰。
说明增强方案，并编程实现。
4.1编程实现等效于3*3邻域均值平滑的频率域滤波。
4.2编程实现同态滤波以及巴特沃思低通、高通、带通、带阻滤波器。
4.3习题4.43。
5.1编程实现可变阈值处理。
5.2编程实现Ostu图像分割方法。
5.3设计人脸方案，并编程实现。
5.4设计与实现虹膜图像分割。
6.1编程实现边界追踪算法。
6.2编程实现二值区域细化算法。
6.3编程实现灰度共生矩阵方法。
6.4习题11.16。
6.5习题11.27。
7.1编程实现印刷体数字识别（包括增强、分割、特征提取和识别）。
7.2编程实现桃子图像识别，要求能使识别蟠桃、水蜜桃、油桃、黄桃等亚种。
（包括增强、分割、特征提取和识别）
2.2提出将像素宽度的m通路转换为4通路的一种算法（习题2.13），并编程实现。
3.1编程实现图像反转、对数变换和对比度拉伸。
3.2试提出一种如3.3.4节中讨论的基于直方图统计的局部增强方法，并编程实现。
3.3编程实现中值滤波、Soble运算和Laplacian锐化。
3.4对掌纹图像进行图像增强，使得掌纹纹线更清晰。
说明增强方案，并编程实现。
4.1编程实现等效于3*3邻域均值平滑的频率域滤波。
4.2编程实现同态滤波以及巴特沃思低通、高通、带通、带阻滤波器。
4.3习题4.43。
5.1编程实现可变阈值处理。
5.2编程实现Ostu图像分割方法。
5.3设计人脸方案，并编程实现。
5.4设计与实现虹膜图像分割。
6.1编程实现边界追踪算法。
6.2编程实现二值区域细化算法。
6.3编程实现灰度共生矩阵方法。
6.4习题11.16。
6.5习题11.27。
7.1编程实现印刷体数字识别（包括增强、分割、特征提取和识别）。
7.2编程实现桃子图像识别，要求能使识别蟠桃、水蜜桃、油桃、黄桃等亚种。
（包括增强、分割、特征提取和识别）
2024/4/11 4:39:24
10.24MB
1
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
BP神经网络实现手写数字识别，使用matlab实现。
内有测试数据及实验结果，非常适合入门者使用。
绝对超值、值5分。
0.99MB的文件下载该文档，你不会吃亏。
内有测试数据及实验结果，非常适合入门者使用。
绝对超值、值5分。
0.99MB的文件下载该文档，你不会吃亏。
2024/2/15 22:34:12
1018KB
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