作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着科技的不断发展,在财务、经济等一系列领域对于使计算机自动识别数字的应用越来越广泛,同时也不断推动着更加精确的识别算法的深入研究。本文提出了一种针对手写数字进行识别的方法,其基本思路是:将opencv开源库函数与CodeBlocks编译环境相结合,图像预处理后再使用SVM(支持向量机)算法与较权威的MNIST数据集结合识别手写数字。实验结果表明,相比于参考文献中的典型常用算法,该方法大大降低了识别错误率,在统计量样本数比较小的情况下也能获得较为准确的统计规律,该算法可行且有效。
推荐文章
基于形体特征的手写体数字识别
手写体数字
预处理
骨架搜索
模板匹配
特征匹配
基于KNN算法的手写数字识别研究
KNN
Python
训练集
测试集
基于视频的手写数字识别
颜色直方图
跟踪
手写数字识别
基于骨架结构特征的手写数字识别方法
细化
手写数字识别
结构特征
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于opencv的手写数字识别
来源期刊 卷宗 学科
关键词 机器学习 图像处理 手写数字识别 SVM分类算法
年,卷(期) 2017,(15) 所属期刊栏目 科技文档
研究方向 页码范围 208-208
页数 1页 分类号
字数 1589字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 梁培哲 郑州大学物理工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (107)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器学习
图像处理
手写数字识别
SVM分类算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
卷宗
旬刊
chi
出版文献量(篇)
78124
总下载数(次)
169
论文1v1指导