基于MATLAB（2016）的手写数字识别系统，对手写数字进行特征提取等预处理，使用BP神经网络对特征进行训练，得到模型后分别对手写数字图片和视频进行识别，附有详细的手打注释

手写数字的识别。基于人工神经网络的MATLAB手写数字识别系统matlab

该课题为基于MATLAB bp神经网络的手写汉字识别系统。可以利用鼠标手写中文汉字进行训练，测试，可以识别任何字体，只需要到GUI界面面板更换即可。在GUI界面就可以随写随训练中文，不需要到后台手动更换文字训练，方便快捷上档次。

该课题为基于MATLAB光流法OCR的手写数字识别系统。带一个GUI界面。可以识别单独字符，也可以识别连续的字符串。

识别手写数字识别 带GUI界面

一、课题题目：基于MATLAB的手写数字识别系统 二、课题介绍 手写数字识别是模式识别领域的一个重要分支，它研究的核心问题是：如何利用计算机自动识别人手写在纸张上的阿拉伯数字。手写体数字识别问题，简而言之就是识别出10个阿拉伯数字，由于数字的清晰程度或者是个人的写字习惯抑或是其他，往往手写体数字的性状、大小、深浅、位置会不大一样。手写体识别一般包括3个阶段：预处理、特征提取、分类识别。  手写数字识别前景广阔，广泛应用于表格中数字的识别、汽车牌照的数字自动识别和成绩单的识别等。实现数字的自动识别能够给人们的工作和生活带来很大的方便。对于该领域的研究具有重要的理论价值：  一方面，阿拉伯数字是唯一的被世界各国通用的符号，对手写数字识别的研究与文化背景无关，这样就为各国、各地区的研究工作者提供了一个自由平等的舞台，大家可以在这一领域施展才智，各抒己见。  另一方面，由于数字识别的类别数较少（只有0到9十个类别），有助于做深入分析及验证一些新的理论。这方面最明显的例子就是人工神经网络，相当一部分的人工神经网络模型都以手写数字识别作为具体的实验平台，验证理论的有效性，评价各种方法的优缺点。  数字识别的算法较多，当前运用较好的主流算法以统计、聚类和分类算法为主，如Bagging算法、支持向量机算法、神经网络等。手写数字识别难度在于：一、数字相似性大，但字形相差不大；二、数字虽然只有10种，但笔划简单，同一个数字写法差别大；三、手写数字存在断笔和毛刺，对识别造成影响。本文选择分类算法中的决策树算法、支持向量机算法、神经网络对MNIST数据集进行数字识别，并对分类效果进行比较分析。

本课题为基于MATLAB的BP神经网络手写数字识别系统。带有GUI人机交互式界面。读入测试图片，通过截取某个数字，进行预处理，经过bp网络训练，得出识别的结果。可经过二次改造成识别中文汉字，英文字符等课题。

matlab实现手写数字及手写字母的识别，通过建立样本库进行模板匹配，内附全代码及相关样本库（已更新升级版，增加了神经网络和libsvm有兴趣的可以查看我的下载资源）

利用matlab制作的手写数字识别系统、代码可读性强，结构清晰、GUI运行界面、在Matlab R2014b下编辑完成，有手写版，也可导入图片识别。

毕业设计，matlab神经网络实现手写数字的识别