基于MATLAB利用BP神经网络和多特征提取进行手写数字识别.zip

mnist数据集处理： convert_MNIST_to_mat.m函数功能：将mnist数据集转换为mat格式，方便后续处理，详情可参考博客：https://blog.csdn.net/didi_ya/article/details/105075859 【注意】：处理时将mnist的四个文件夹放在E:\My Graduation project\MatlabReadMNIST\mnist目录下，当然也可自行更改目录。 数据增强： DataAdd.m 函数功能：利用图像平移，图像旋转，图像放缩来扩充数据集，将数据集最大扩充为5000*8=40000组。 movement.m：图像平移函数 BP神经网络训练算法： training.m：训练主函数 backpropagation.m：BP算法 prop_forward.m：前向传播 final_layer_sens.m：计算隐含层-输出层灵敏度 hidden_layer_sens.m：计算输入层-隐含层灵敏度 update_weights_biases.m：权值-阈值更新函数 nndlogsig.m：sigmoid函数 test_network.m：测试网络函数，用于验证集验证以及测试集测试 testing_test_network.m：计算正确率函数 主函数： randomize_data.m：矩阵随机化函数，将mnist数据集构成的矩阵随机打乱 split_sets.m：将一个矩阵随机拆分成两个给定百分比的矩阵 vectorize_outputs：设立分类规则，把输出从1维变成10维单位向量，就是对10类设置期望值（即one-hot编码，可自行百度） main.m：单特征提取主函数，负责处理数据集并进行神经网络的训练 mian2.m：多特征提取主函数 Transformation.m：将train_labels的图像转换为标准格式28*28 getFeature2.m：粗网格特征提取算法 getFeature3.m：交点特征提取算法 识别： TransformationD.m：将现成的手写数字图像转换为标准格式28*28 Recognition.m：单一数字识别函数 Recognition_multi.m：多数字识别 GUI界面： GUI.m：gui界面 【注意事项】：调用识别函数时最好将画图工具里的笔画调粗一些（8px最佳），多数字识别时数字间隔尽量大一点，然后白底黑字书写。可以利用本文件夹图片中的图片进行识别（这里的图片都是博主利用画图工具手写生成，绝对没毛病），当然也可自行手写；需要注意的是答辩的时候没必要现场手写，只需要读取能正常识别出来的即可，博主就是读取这些图片拿到优秀毕业设计的，如果你能看懂全部代码，相信你也可以！！！