触控一体机输入法专为触控一体机设计的智能输入法，包含有以下功能：支持全键盘、九宫格（T9模式）智能拼音、身份证键盘，数字键盘等。
支持手写识别。
支持智能笔画（T9笔画）。
可以定制皮肤、皮肤更换，自定义Layout(键盘布局)。
支持记忆、调频。
可以随意修改输入法面板的尺寸，可以很好适应各种尺寸的屏幕。
有丰富的符号表供使用。
界面支持半透明，即使被输入法档住的内容也可以看到。
支持焦点跟踪，有输入跟踪可以自动弹出。
允许最小化，开启关闭更加方便。
丰富的二次开发接口，让您灵活定制无缝对接。
支持命令行调用各种功能，可以降低二次开发难度。
支持url方式调用，可以直接在浏览器上调用输入法，直接用html、js控制输入法。
浏览器内自动弹出，兼容各种浏览器。
(2018新)新布局框架，可以实现更多特效键盘。
(2018新)版本V1.5.0最新加入多字识别功能，可以连续手写短句。
(2018新)增加ActiveX(OCX)控制控件，使输入法和IE浏览器可以完美结合。
(2018.9.13新)增加全屏手写识别，整个屏幕都可以写字，欢迎下载试用。
(2018.9.21最新)增加支持【86五笔字型】、【繁体仓颉】、【韩语拼音】。
(2018.9.29最新)
支持手写识别。
支持智能笔画（T9笔画）。
可以定制皮肤、皮肤更换，自定义Layout(键盘布局)。
支持记忆、调频。
可以随意修改输入法面板的尺寸，可以很好适应各种尺寸的屏幕。
有丰富的符号表供使用。
界面支持半透明，即使被输入法档住的内容也可以看到。
支持焦点跟踪，有输入跟踪可以自动弹出。
允许最小化，开启关闭更加方便。
丰富的二次开发接口，让您灵活定制无缝对接。
支持命令行调用各种功能，可以降低二次开发难度。
支持url方式调用，可以直接在浏览器上调用输入法，直接用html、js控制输入法。
浏览器内自动弹出，兼容各种浏览器。
(2018新)新布局框架，可以实现更多特效键盘。
(2018新)版本V1.5.0最新加入多字识别功能，可以连续手写短句。
(2018新)增加ActiveX(OCX)控制控件，使输入法和IE浏览器可以完美结合。
(2018.9.13新)增加全屏手写识别，整个屏幕都可以写字，欢迎下载试用。
(2018.9.21最新)增加支持【86五笔字型】、【繁体仓颉】、【韩语拼音】。
(2018.9.29最新)
2025/6/13 9:04:07
13.57MB
1
可以免费使用的手写识别引擎，可以二次开发，有三个版本（现在这个是我上传的第二个版本），这个版本注重连笔，效果非常好！其它版本请查看我的上传记录。
2025/3/5 21:01:09
2.6MB
1
MNIST手写识别数据集t10k-labels-idx1-ubyte.gzt10k-images-idx3-ubyte.gztrain-labels-idx1-ubyte.gztrain-images-idx3-ubyte.gz
2024/12/6 18:22:53
11.06MB
1
使用微软的库，IACore.dll，IALoader.dll，IAWinFX.dll，Microsoft.Ink.dll，Microsoft.Ink.Analysis.dll，在Qt实现手写输入识别文字，识别率很高
2024/11/12 3:23:02
692KB
1
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
前端用画布手写，后台传送到服务器，简单的神经网络手写识别。
2024/10/19 5:21:56
4.89MB
1
测试手写识别，识别率还是蛮高的。
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
2024/9/14 4:27:13
11.06MB
1
基于Python3.7实现手写识别功能，调用KNN算法。
包括源程序、训练数据、测试数据和测试结果。
包括源程序、训练数据、测试数据和测试结果。
2024/6/2 10:21:52
548KB
1
基于Python3.7实现的手写识别功能，调用sklearn模块中的神经网络算法。
包括源程序、训练数据、测试数据和测试结果。
包括源程序、训练数据、测试数据和测试结果。
2024/5/12 9:49:06
713KB
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