电脑通过串口传给单片机，单片机用KNN算法给出手写数字的预测结果，并且在液晶上显示

minist手写数字数据集(原始图片)；42000张图片，0-9 MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.

使用Fisher分类器实现手写数字识别，MATLAB代码，GUI界面手写数字输入。

程序测试环境 VS2013+Opencv2.4.12 遍历文件夹下所有手写数字图片 处理后压如堆栈 最后用SVM进行分类识别

手写数字识别所需要的MNIST数据集，已经转换为CSV格式，可以直接使用

手写数字识别，使用神经网络实现，包含实现的源代码和数据集。

MNIST(手写数字图片识别+csv文件)数据集简介、下载、使用方法之详细攻略

用python编写的，基于tensorflow深度学习的框架的手写数字识别的完整代码，有注释，可运行，无bug

机器学习入门KNN算法实现的手写数字识别 基本上照搬了http://lib.csdn.net/article/opencv/30167的代码，只是改了一点bug和增加了一点功能 输入就是直接在一个512*512大小的白色画布上画黑线，然后转化为01矩阵，用knn算法找训练数据中最相近的k个，现在应该是可以对所有字符进行训练和识别，只是训练数据中还只有数字而已，想识别更多更精确的话就需要自己多跑代码多写几百次，现在基本上一个数字写10次左右准确率就挺高了，并且每次识别的时候会将此次识别的数字和01矩阵存入训练数据文件夹中，增加以后识别的正确率，识别错了的话需要输入正确答案来扩充训练数据

文件解压后，在Matlab基础上，根据本人博文进行操作。注意修改默认路径。