研究深度学习和卷积神经网络的同学都知道Mnist这个数据库，它是一个手写数字的图像数据集，可以用来作为网络训练的基准测试数据库。原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。 原数据集下载地址为：http://yann.lecun.com/exdb/mnist/

通过opencv对图片上的数字进行识别。识别方式和步骤主要是寻找出数字的外轮廓，然后根据轮廓外接矩阵对数字进行分割，然后根据模板，求出其与分割好的数字的像素差值，找出最匹配的数字。

这是用MATLAB语言编写的手写体识别程序,基于BP神经网络的手写体数字识别,代码简洁,界面图形化

利用贝叶斯最小错误率决策算法，对手写数字进行识别

用来对印刷体数字识别

R语言 svm 手写数字识别 运行程序需要下载R包（e1071），在控制窗口输入install.packages("e1071")即可。

含有三份代码，都是用matlab实现，分别是基于贝叶斯，基于朴素贝叶斯，基于最小错误率贝叶斯的手写数字识别代码。其中朴素贝叶斯用到了PCA，准确率达到95%

使用离散Hopefield神经网络对模糊数字进行识别，并给出识别结果，可调节数字的模糊程度，检验识别效果

是matlab源码，利用bp网络实现0～9数字识别系统，友好的系统界面，包括训练样本和含噪声的数字图片

相比tesseract自带eng识别库，此库只包含0-9个数字和小数点，在经过矫正训练后，对数字识别效果不错。在本人博客中会有训练的图片和识别的图片