MATLAB手写数字识别

本文主要是根据《matlab手写神经网络实现识别手写数字》博客中的代码进行试验。由于没有数据集，所以采用了MNIST数据集进行代码的运行。数据集不同所以需要对代码进行微小改动。

简介

数据处理：4000张作为训练样本，1000张作为测试样本；
图像大小：图片的灰度值矩阵（28，28）；
图像名称：由标签和顺序号组成。标签_顺序号.bmp
训练样本：每个数字的图像名称的顺序号是从0-399，各400个。

测试样本：每个数字的图像名称的顺序号是从401-500，各100个。

标签制作

标签格式：
训练数据集中前400个标签都是[1,0,0,0,0,0,0,0,0,0]代表数字0，401-800个标签都是[0,1,0,0,0,0,0,0,0,0]代表数字2，其余类推。这也就是所谓的onehot
由于数据集不同，图像的格式也不一样等因素，需要对代码稍微做修改，具体如下：
制作label时遇到的障碍，xlswrite()函数在写入矩阵时对矩阵大小有限制，一定要小心，因为我的电脑安装的是2003，所以无法对4000列数据直接写入，只好行列互换后再存储，代码将生成两个xsl文件，分别是label.xsl和label2.xsl,分别是训练数据和测试数据的标签。
增加一个label_create.m文件，用来新建标签文件。
label_create.m代码：

% 创建Excel存储label
% 根据图片的名字,例如：3_101.bmp，第一个数值是标签，第二个是图片数。
% 为了转换成神经网络的标签，0-9这10个标签应