采用Fisher线性判别，实现脱机手写数字识别。
数据相关：
手写数字（选自MNIST数据库）
训练集：每个数字500个，共5000个。
测试集：每个数字100个，共1000个。
手写数字图像： bmp格式，大小28x28。已经经过位置归一化、大小归一化等处理。
程序相关：
语言：Visual C++ 6
命令行程序
2021-06-21 19:52:48
2.59MB
1
模式识别课程老师给的分割好细胞的数据集，配合模式识别课程代码食用。
细胞数据集所有图片均已标注，分为三大类，'DCIS':0, 'IDC':0, 'Muc':0, 'ILC':0, 'MC':0, 'normal':1, 'TIL':2
2021-05-16 13:41:50
15.55MB
1
本文首先研究使用Python语言和OpenCV对数字高程图DEM，运用高斯核、阈值化、以及形态学中的开运算、闭运算、对图像进行分割、边缘提取、提取建筑物轮廓，并将其组织成顶点和线段的矢量格式，输出成为矢量化数字地图。然后输出XML格式文件保存矢量化数据[2]。
关键词：图像矢量化;数字高程图；python；OpenCV;轮廓处理
1 前言
1.1图像与图像处理简介
在社会生活中，图像处理有着广泛的应用，人们可以通过图像获取很多日常生活中的一些重要信息，而由于社会的科技迅速发展，图像信息处理的技术也发展得越来越快，并且涉及到了日常生活中的方方面面，如科研、工业、农业现代化、军事国防、医疗卫生、公安机关、制造业等等多个领域，并且图像处理也涉及到了很多学科、如计算机科学、数学、物理、模式识别、人工智能、深度学习等，所以图像处理是一门具有交叉性很强的学科、并且能够与很多学科的融合并促进相关学科的发展。
2 相关工作
1. 工欲善其事必先利其器，由于需要使用Python OpenCV进行图像的操作，所以一开始需要先了解python的相关的使用语法以及编译器方面的使用，还有OpenCV的安装，然后才能更加顺利的开始进行接下来的步骤。
2. 需要对模式识别与图像处理的项目内的具体要求的方法进行初步了解，然后再进行深入的学习和掌握，所以需要对《OpenCV-Python-Tutorial-中文版》本书的相关知识进行学习并自己实践一番。如图像的基本操作、平滑、阈值化、形态学转换中的开运算、闭运算，以及轮廓处理的相关知识。
3. 对相关要求使用Python进行实现，并调试运行，查看相应的效果，最后输出XML文件存矢量化数据。
2021-05-09 14:18:29
2.37MB
1
模式识别作业课程答案，好不容易找到的，写作业的时候可以参考一下，但是最好不要全抄，考试还是比较难的。平时要是没有认真学，复习的时候特别需要。
2021-04-08 09:46:57
3.07MB
1
模式识别&机器学习课程论文，内容如下：
一、摘要 3
二、任务说明 3
三、数据处理 3
四、算法原理 4
五、具体实现 6
5.1 实验环境 6
5.2 实验设置 6
5.3 训练加速 6
5.4 混合精度训练 7
六、实验结果 8
七、参考文献 11
2021-02-02 14:15:04
1.33MB