说明：MNIST手势识别数据库进行softmax回归分类，直接运行softmaxExercise.m文件即可运行。

softmax 手势分类 mnist分类 softmax识别minst 手势识别

说明：matlab代码，实现softmax的多分类。

softmax 多分类

说明：使用SOFTMAX分类器对已有的数据集进行分类。

comparehgw softmax分类 softmax分类器 softmax回归

说明：自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。

自编码器 分类器实现结合 self-taught-learning

说明：CNN卷积神经网络，能以高速将图像精确到的分类，给力。

CNN-图像分类 cnn-图像-分类 cnn图像分类 图像分类 CNN---图像分类

说明：先利用卷及神经网络提取数据特征，再加svm进行分类。

数据特征提取 CNNSVM-master SVM 神经网络分类 CNN-SVM

说明：运用深度学习模型实现图像的分类，主要包括卷积神经网络CNN和深信度网络DBN。

cnn图像分类 深度学习CNN和DBN代码 DBN-图像 deep RBM模型

说明：先利用卷及神经网络提取数据特征，再加svm进行分类

数据特征提取 CNNSVM-master SVM 神经网络分类 CNN-SVM

说明：基于lenet-5模型，利用CNN进行图像分类。

lenet_5模型- cnn模型 lenet image-CNN deeplearn-toolbox

说明：处理一维振动信号，用于故障分类，模式识别。

一维振动信号 卷积神经网络 CNN