实例介绍
【实例简介】
识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化
【实例截图】
【核心代码】
0-9十个数字，BP神经网络数字识别源代码
└── 数字识别系统源代码
├── Bp.h
├── ChildView.cpp
├── ChildView.h
├── DBpParamater.cpp
├── DBpParamater.h
├── DIBAPI.CPP
├── DIBAPI.H
├── DigitRec.aps
├── DigitRec.clw
├── DigitRec.cpp
├── DigitRec.dsp
├── DigitRec.dsw
├── DigitRec.h
├── DigitRec.rc
├── INPUT1.cpp
├── INPUT1.h
├── MainFrm.cpp
├── MainFrm.h
├── mydiblib.h
├── ReadMe.txt
├── res
│ ├── DigitRec.ico
│ ├── DigitRec.rc2
│ ├── Thumbs.db
│ └── Toolbar.bmp
├── Resource.h
├── StdAfx.cpp
├── StdAfx.h
└── 使用说明.txt
2 directories, 28 files
识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化
【实例截图】
【核心代码】
0-9十个数字，BP神经网络数字识别源代码
└── 数字识别系统源代码
├── Bp.h
├── ChildView.cpp
├── ChildView.h
├── DBpParamater.cpp
├── DBpParamater.h
├── DIBAPI.CPP
├── DIBAPI.H
├── DigitRec.aps
├── DigitRec.clw
├── DigitRec.cpp
├── DigitRec.dsp
├── DigitRec.dsw
├── DigitRec.h
├── DigitRec.rc
├── INPUT1.cpp
├── INPUT1.h
├── MainFrm.cpp
├── MainFrm.h
├── mydiblib.h
├── ReadMe.txt
├── res
│ ├── DigitRec.ico
│ ├── DigitRec.rc2
│ ├── Thumbs.db
│ └── Toolbar.bmp
├── Resource.h
├── StdAfx.cpp
├── StdAfx.h
└── 使用说明.txt
2 directories, 28 files
标签：
好例子网口号：伸出你的我的手 — 分享！
相关软件
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论