tess4j的demo开拓，中文识别率高，把名目导入到eclipse中无需更正，使用Junit直接运行Tesseract1Test就可看到下场

基于easypr的车牌识别开源库，反对于中文识别，车牌识别率90以上

对于jaffe人脸库举行识别测试的主法度圭表标准，将jaffe人脸库分为熬炼集以及测试集两部份，起首对于图片举行LBP+LPQ特色提取，而后svm分类识别，统计识别率

使用进程留意事变:1.挪用DLL识别库识别,多线程下不需要加应承证,反对于并发识别.2.挪用DLL识别,识别参数配置召唤SetWmOption必需与你弄字库时候的配置参数同样,不然会导致识别率飞腾详尽参数阐发,请看挪用例子里的[我的函数.txt]文档有对于应参数阐发.3.假如碰见本货物没法识另外验证码,能够找群主(用神经收集识别)定制,价钱廉价公平.[2017-07-27]美满验证码识别体系V3.21.削减DLL识别返回方式2以及3详尽看我的函数.txt里阐发,主若是削减一个可暮年往识别后的总体信托度.这个值你能够给它个阀值,譬如说假如总体信托度小于60,那末你就不提交效率器,直接重新患上到图片识别,直到总体信托度大于60你才提交给效率器,这个阀值详尽若干,自己能够先测试.2.修复导出字库不导出完,直接封锁窗口解体下场3.削减批量下载后定位到批量下载文件夹4.削减能够使用验证码长度举行过滤,削减能够使用总体信托度举行过滤.(这两个成果能够快捷的制作字库,譬如说你验证码是4位的,你能够配置验证码小于4,大于4那这张图片未必是识别差迟的,那末软件就会把这张图片留存下来,同理能够使用总体信托度举行此留存)[2017-07-20]美满验证码识别体系V3.11.修单数组下标越界下场2.字库列表削减能够多选而后右键批量删除了选中项[2017-07-13]美满验证码识别体系V3.01.修复导出字库,重复导出不会拆穿包围原有的BUG,导出的图片会累加之去(留意,暮年导出的字模导入新版中会侵蚀,新版字模导出格式为a_md5.bmp请自行写个软件更注释件名,而后再导入)2.修复削减字库空格均能够削减进去3.修复解体下场.(解体应该绝大大都都是此原因组成的.)4.另外一些调解.[2017-06-25]美满验证码识别体系V2.61.处置输入中间下场.2.批量下载削减能够过滤掉宽度规模,面积规模,高度规模,玄色数规模,能够去掉没实用的干扰图片.3.另外的一些细节调解[2017-06-07]美满验证码识别体系V2.51.修复去除了干扰滤镜在不先二值化图片均能够使用.2.试验处置削减字库解体下场(代码较多,找到1处下场.不知道另有无其余下场)3.编纂字库页面削减个选中框[削减字库后自动下载图片],使用批量下载图片,能够快捷削减字库4.使用截图货物,截取图片后,会自动切换到划线货物.[2017-05-17]美满验证码识别体系V2.31.修复配置滤镜默许都有遴选项.2.修复当使用外舆图像时,不新建名目均能够编纂的下场.3.修复黑白处置滤镜在不先二值化图片均能够使用.4.修复处置许多逻辑差迟解导致法度圭表标准解体.5.削减字库列表削减右键删除了之后选中的字库6.削减抑制重复运行,由于重复运行会导致字库削减失败,以及读取不到已经做过的字库.7.添减速捷键"自动联系(Alt+R)","手动联系(Alt+T)"8.编纂页面削减个批量下载按钮,能够实现批量下载并自动联系图片成果(批量下载的图片留存在之后名目文件夹下的"批量下载"文件夹中)9.主窗口削减一个遴选框_图像已经处置不使用滤镜,由于批量下载后图片都是已经使用过滤镜了,处置批量下载的图片这里必需患上勾选上,不然会重复使用滤镜[2017-05-07]美满验证码识别体系V2.21.新增分说率1024*768方案2.更正注册热键方式为本进程方式(原为全局热键,谢谢群友XGSoft提供源代码)[2017-05-06]美满验证码识别体系V2.1(申请屏幕分说率最低1440*900)1.去掉窗口最大化,去掉自动调解窗口大小代码,修复部份控件展现不全2.削减检测图像能否二值化,没二值化的图片不应承编纂3.试验处置削减字库解体的下场(不用定下场出在哪!!)4.处置滤波数组越界下场.

实验目的：实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别。
实验条件：windows10，MATLAB2014a实验内容：本实验设计了一个分层结构的MLP神经网络分类器。
该分类器使用BP算法，自顺应改变判决门限，6种调制信号的整体平均识别率为96.94。

c#实现OCR图片文字识别，包含图片预处理进步识别率。
支持简体繁体识别

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。

车牌识别零碎大多都是基于PC平台的，其优势是实现容易，但是成本高、实时性不强、稳定性不高等缺点使其不能广泛推广。
为了克服以上的缺点，且满足识别速度和识别率的要求，本文在原有车牌识别硬件零碎设计的基础上做了一定的改进(原零碎在图像采集、接口通信、零碎稳定、脱机工作等方面存在一定问题)，设计出了新的车牌识别硬件零碎，采用单DSP+FPGA和双DSP+FPGA双板子的方式来共同实现

针对原有手工取样检测法在嘴棒质量监控中对异常的识别率低，牵扯人力成本高等问题，以自动化、精准化异常识别及报警为目的，采用图形化的嘴棒质量管理方法，提供嘴棒指令，实现自动报警功能，为烟厂提供准确、及时、完整的异常信息，保证卷烟质量的稳定。
实验结果表明，异常报警率从系统实施前的81.4%提升至实施后的100％，证明系统能较好地监测嘴棒生产的实际情况，提高质量管控水平。

针对原有手工取样检测法在嘴棒质量监控中对异常的识别率低，牵扯人力成本高等问题，以自动化、精准化异常识别及报警为目的，采用图形化的嘴棒质量管理方法，提供嘴棒指令，实现自动报警功能，为烟厂提供准确、及时、完整的异常信息，保证卷烟质量的稳定。
实验结果表明，异常报警率从系统实施前的81.4%提升至实施后的100％，证明系统能较好地监测嘴棒生产的实际情况，提高质量管控水平。

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。