java基础实现手写服务器，注意，jdk版本需要大于或等于1.9

用于深度学习入门用的手写数字识别数据集，有时下载 的比较满，这里作为备份，方便下载！

在自己学习过程中，详细整理了数据挖掘领域常用的算法模型的数学推导，及其关键代码，可供面试前参阅

针对非限制脱机手写体汉字识别率不高的问题,该文提出了一种级联MQDF改进的二次分类函数)分类器,以提高识别正确率。它是一种基于串行结构的分类器集成算法,并在度量层次对各级分类器结果进行融合。广义置信度被用作评价识别结果好坏的度量。该算法分级构建多个 Gauss模型,实现对样本分布精细的描述,达到提高识别率的目的。该文利用最大似然框架论述了该集成算法的工作原理。用该算法在HCL2000及THOCR-HCD手写体汉字数据库上进行试验,识别错误率分别下降了10. 75％、9.82％和 25. 31％,证明了算法

NIST手写数字识别问题的单神经元模型实践 按课程案例，动手完成编码实践。 在不改变模型的结构基础上，尝试采用不同的学习率、单批次样本数、训练轮数等超参数，让模型的准确率达到90%。 提交要求： 1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式） 2、作为附件上传 评分标准： 1、完成案例中的代码，有完整的代码，模型能运行，准确率达87%以上；得6分； 2、准确率达89%以上；再得2分，否则得0分； 3、准确率达90%以上；再得2分，否则得0分； 代码： import tensorflow.compat.v1 as tf import matplotlib.pyplot as p

写在前面 这一段的内容可以说是最难的一部分之一了，因为是识别图像，所以涉及到的算法会相比之前的来说比较困难，所以我尽量会讲得清楚一点。 而且因为在编写的过程中，把前面的一些逻辑也修改了一些，将其变得更完善了，所以一切以本篇的为准。当然，如果想要直接看代码，代码全部放在我的GitHub中，所以这篇文章主要负责讲解，如需代码请自行前往GitHub。 本次大纲 上一次写到了数据库的建立，我们能够实时的将更新的训练图片存入CSV文件中。所以这次继续往下走，该轮到识别图片的内容了。 首先我们需要从文件夹中提取出需要被识别的图片test.png，并且把它经过与训练图片相同的处理得到1×10000大小的向量

CNN神经网络手写识别的基本代码，可以帮助使用者初步学习CNN

。。。。。

kaggle手写数字集项目,简洁易懂,清晰明了,非常适合新手

几何攻击是图像水印算法较难抵御的攻击。而现有的抵抗几何攻击的算法虽然能抵抗一定程度的几何攻击，但大部分对常规图像处理攻击的鲁棒性不强。提出了一种对几何攻击和常规图像处理攻击的鲁棒性都很强的水印算法。算法在图像分块整数小波变换的垂直高频分量中结合一个高斯噪声模板嵌入水印信息，然后在空域中利用量化的方法分块重复嵌入相同的水印信息。提取时分别利用相关值计算和多数原则提取出两个水印，通过一个判决器输出最后的结果。实验结果表明，算法对几何攻击和常规图像处理攻击的鲁棒性都很强，并且不可感知性也满足要求。