模式识别高分课程设计，利用BP神经网络对0-9的手写数字图像数据进行分类。 图像数据存放在Img的文件夹中，0-9每个数字各有55个样本，共550个图像样本数据。文件中的all_data.mat是为了对这些图像数据全部提取到MATLAB的工作区中，以便于MATLAB对数据的处理。载入后是一个4维的900×1200×10×55的阵列，900×1200为每一张图像的尺寸/分辨率，10指的是为0-9的10类图像，55是每一类的样本数目； 代码中有详细注释，整个过程分为：①载入图像数据；②裁剪图像的无效信息；③特征选择和提取；④特征预处理；⑤划分数据集；⑥网络训练；⑦网络测试；⑧用户验证过程 网络经多次测试后对训练样本和测试样本的分类准确率均在95%以上，MATLAB自建BP神经网络，代码每个过程都有注释详解，有利于读者对BP神经网络有更好的把握。 在用户验证过程中，向客户提供验证端口，读者在读懂代码的基础上，可以继续在此做一个UI界面或者接口，作为课程设计的话将会更加完善。

1、资源内容:基于SVM的手写数字图像识别 2、使用/学习目标:了解手写数字图像识别 3、应用场景:基于Minist数据集的手写数字图像处理等内容实现 4、特点:基于SVM手写数字图像识别代码实现过程 5、适用人群:想阅读手写数字图像识别源码的初学者 6.使用/学习说明:在学习的过程要结合SVM核心原理与手写数字图像识别需求分析和方案设计，在实践中不断提升

里面有测试集、训练集，只需在代码中更改文件读取路径，即可运行。

基于RBF的手写数字图像识别，matlab程序，适用于算法研究，matlab程序学习 Based on RBF handwritten digital image recognition, matlab program, welcome to download and exchange

卷积神经网络CNN手写数字图像识别

Tess4J资源包，可ocr识别图片的数字，中文，英文等

＜＜Visual C++ 数字图像识别技术典型案例＞＞光盘　源码

CNN数字图像识别源码，机器学习案例

利用卷积神经网络来识别手写的数字图像，其中包含模型训练代码，识别代码，训练好的模型，下载即可运行。软件环境：TensorFlow+python+opencv

数字图像识别的Python神经网络小程序