使用手写识别的计算器 这个项目是我面向对象编程课程的最后一个项目。 下面介绍该算法为显示包含数学方程式的输入图像的结果而采取的步骤。 1-图像分割 该程序对输入图像进行分段，仅提取所需的数字或运算符进行计算，然后将每个数字或运算符转换为28x28像素的小图像，这将作为神经网络的输入。 程序接受的数字范围是0-9 ，有效的操作是：加法，减法，乘法，除法，幂和使用括号。 2-分类 从算法的第一步中提取的缩略图被馈送到仅具有一个隐藏层的预训练神经网络，该神经网络的预测是S形激活的向量，每个描述输入的依存概率p（i）图像属于第（i）类。 3-计算结果 对每个分割的图像进行分类后，我们将此分类转换为相应的数字或运算符，并将其隐含为表达式字符串。 然后，我们将此字符串传递给基于堆栈的计算器以计算其结果。 然后使用简单的GUI将所有这些包装到JavaFX应用程序中。 将发布文档，以获取有关算法步骤以及

-手写-识别：MATLAB自编程实现BP神经网络手写数字识别

该数据集包含通过慈善项目收集的超过40万个手写姓名。字符识别利用图像处理技术将扫描文档上的字符转换为数字形式。它通常在机器打印的字体中表现良好。然而，由于个人书写风格的巨大差异，对于机器识别手写字符仍然提出了艰巨的挑战。总共有206,799个姓氏和207,024个姓氏。数据分别分为训练集（331,059），测试集（41,382）和验证集（41,382）。 written_name_test_v2.csv written_name_train_v2.csv written_name_validation_v2.csv test_v2.zip validation_v2.zip train_v2.zip

手写数据库 这是来自的组织。 在原始数据库中，所有图像都是混合的，与编写者无关。 提供文件“ forms_for_parsing.txt”来确定单个笔迹与其书写者之间的关系。 在此存储库中，收集了50个手写图像数量最多的作家，并且根据其作家对这些图像进行了分类。 方便进行训练/验证/测试拆分和标记。 参考 U. Marti和H. Bunke。 IAM数据库：用于离线手写识别的英语句子数据库。 诠释文档分析与识别杂志，第5卷，第39-46页，2002年。