手写数字识别的几种实现方法
来源:互联网 发布:mac版office百度云 编辑:程序博客网 时间:2024/05/16 23:39
我使用了手写数字数据库MNIST的一个子集,并做了多种处理
程序中附有数据库,完整的数据库在这儿下载,程序在这儿下载
实现的算法有:
模板匹配
类中心欧式距离
贝叶斯分类算法
夹角余弦距离
奖惩算法
增量校正算法
LMSE算法
特征提取方法:图像分割为若干小块,计算笔画像素占小块总像素数的比例
每一个算法都在独立的cpp文件中,
我直接使用源数据库而未作处理,最初使用图像的5x5分割,
为了提高精度,后来又使用7x7分割,
下载程序中已经有这两种分割的特征数据
主程序使用函数指针调用测试各个算法的实现,每次仅测试一个,如果你愿意,可以用一个数组,一次性全部运行测试
因为有些算法使用的5x5,有些使用的7x7,
在运行时请注意,
如果这个算法的cpp文件中出现了"digits-crop/train-feature/feature_7x7_",则相应主程序应为string test_file_name("digits-crop/test-feature/feature_7x7_");再出现变量feature_的地方替换为feature_7x7_num
如果这个算法的cpp文件中出现了"digits-crop/train-feature/feature_",则相应主程序应为string test_file_name("digits-crop/test-feature/feature_");再出现变量feature_的地方替换为feature_num
const int feature_num=25;
const int feature_7x7_num=49;
在头文件"main_test.h"中定义
- 手写数字识别的几种实现方法
- 手写数字识别实现
- knn算法实现的数字手写识别
- cnn 识别手写数字的实现
- TensorFlow实现识别手写数字
- cnn实现手写数字识别
- 基于K-近邻算法识别手写数字的实现
- 机器学习-kNN实现简单的手写数字识别系统
- deeplearning4j实现多感知器的手写数字识别
- Tensoflow+CNN实现简单的mnist手写数字识别
- opencv+KNN实现手写简单数字识别
- KNN实现手写数字识别Python
- SVM和Knn实现手写数字识别
- 用Tensorflow实现CNN手写数字识别
- TensorFlow实现Softmax Regression识别手写数字
- Python实现KNN算法手写识别数字
- Tensorflow 实现 MNIST 手写数字识别
- 神经网络实现手写数字识别(MNIST)
- 经典表单验证
- jquery ajax xml 实例
- 简单的小偷程序
- 多媒体编程
- java生成带边框的小图的方法
- 手写数字识别的几种实现方法
- 设计模式之职责链模式
- 当遇到自私的人时
- IT人为什么要做职业规划?
- 在学习过程中遇到要添加用户自定义消息的过程.我觉得书上写的比较散,于是就自己总结了这个基本过程,以为日后备查.
- listview --> OwnerData 整理
- SQL脚本注入的不常见方法概括
- 一个完整的servlet+ajax验证码
- Java数组排序(冒泡,选择,插入,希尔)