BP神经网络模式识别教程示例
这个m代码使用了3层BP神经网络实现模式识别，程序非常简单，可以用于初学入门。
IDEAL模式识别工具箱源代码
这个模式识别工具箱涵盖了很多的图像处理的函数，比如动态的、静态的函数如PCA等等
数字图像处理与模式识别作业
1 用Matlab语言完成如下操作：
1）打开一个BMP文件
2）将其打印出来
3）将该BMP文件关闭
2打开一幅图像，添加噪声，然后使用邻域平均法、中值滤波法进行平滑。
打开一幅图像，利用梯度法和拉普拉斯法进行锐化。
3正方形的二维FFT
长方形的二维FFT
傅立叶反变换
中心化的傅立叶变换
4在图像中生成一个矩形，然后用模板匹配法找出矩形位置。使用SSDA或改进的SSDA法。
Gabor 模式识别 C/C++/MFC
Gabor 模式识别
图像模式识别聚类
3．聚类程序使用说明
1）获得数据源
在左视图上单击鼠标左键，可获得3种数据源：【标准数字聚类】、【手画图形聚类】、【位图文件分析聚类】。
2）擦除修改数据
在工具条中单击【橡皮】按钮， 可以擦除、修改输入的数据。
3）特征提取
① 单击右视图空白区，激活右视图的工具条。
② 在工具条中单击【显示】按钮，将在右视图显示处理后的数据。
③ 在【视图】菜单中选择【获得模式特征】菜单项，进行特征提取。
4）聚类处理
① 选择【聚类分析】菜单，可以对样品进行聚类分析。
② 选择【模糊聚类】菜单，可以对样品进行模糊聚类分析。
③ 选择【遗传算法】菜单，可以应用遗传算法对样品进行聚类分析。
在上述处理中，注意选择距离的计算方式和参数输入的范围。
完整的VC指纹识别源代码
这是一个完整的指纹识别程序，它包括了直方图均衡，Gabor滤波图像增强，方向图过滤，纹理细化，特征提取及特征匹配。其中，特征匹配包含了3种匹配方法，另外还附有PPT，非常值得研究。
基于主成分分析(PCA)的人脸识别系统
本程序实现了基于PCA的人脸识别方法，所有的函数都非常容易使用，且注释非常多，并且，附带了一个示例脚本和两个小的训练和测试数据库来展示其使用。
eigenface人脸识别Matlab
这个Matlab程序使用eigenface系统实现人脸识别，它使用AT&T的数据库，运行代码实例前，请阅读其中的comment，下载该数据库。
车牌自动识别系统(ANPR)源代码
这个项目涉及了人工智能、机器视觉和神经网络等领域，实现一个车牌自动识别系统(ANPR)。
它包括了一系列的数学算法原理，以保证数字车牌的检测与提取、字母分割、归一化和识别。
Matlab实现的图像中的圆、矩形、正方形等形状识别
Matlab实现的一个圆、矩形、正方形等形状识别。也就是一个分类器。
一个人工智能神经网络BrainNet源代码及完整的示例教程(并实现一个简单的手写文字检测与识别系统)
文章一步步教你如何编写一个人工智能的神经网络程序，告诉你什么是神经元、神经网络和他们的应用程序，并介绍BrainNet-开源的人工神经网络库。
最后使用这个库，开发一个简单的手写文字识别的程序。
C#实现的支持代理服务器的网络/网页爬虫应用程序源代码
这是一个基于.NET 1.1的Windows应用程序，它使用C#实现了一个Windows的网络爬虫程序，且这个爬虫程序支持代理服务器的设置。在后台，它使用wget获取网页，应用程序的设计中采用了多线程技术。
Matlab手写文字识别源代码
这个Demo展示手写文字识别的各个步骤，包括图像的预处理、裁剪、大小转换、人工神经网络训练和识别等等。
车牌识别字体
车牌识别软件需要车牌的字体信息。 作者根据《GA36-2007中华人民共和国机动车号牌》 编写了车牌字体模块。
C++实现的自动聚类系统KlustaKwik源代码
KlustaKwik是一个开源C++程序，用于自动将连续的数据进行聚类收敛为一个高斯混合。这个程序最初为神经动作蛋白质的排序面开发，但也可以用于对任何种类的数据。
MATLAB图像分割提取算法源代码（示例车牌识别）
这个matlab程序实现了目标对象的图像分割与提取技术，附件里的程序以车牌的检测与识别为例，效果非常好。
Matlab实现基于神经网络的文字/字母识别
程序实现于MATLAB R14，实现了神经网络的文字识别，目前是对英文字母，当然对汉字要难些，而且可能会不是特别准确（因为需要训练的样本多了）。
Web网页内容捕获/抓取(存储成图像)源代码
本程序操作IE7.0，实现整个网页的抓取功能。它可以捕获整个Web页面，然后保存成一个图像文件。由于，它是通过操作IE浏览器完成的，所以，网页的cookies之类的信息都自动登录，你会在截取之后的图像中见到和浏览器里面一模一样的内容。可以存储的图像格式支持PNG,JPEG,GIF,TIFF,BMP,EMF,WMF等等，多种格式。
Matlab实现的基于FLD的人脸识别系统源代码
这个程序包实现了一个基于FLD的人脸识别系统，称为'Fisherface'，所有函数非常容易使用，并且有完整的注释。而且，包括一个示例脚本，和两个小的测试和训练数据库。