基于卷积神经网络的手写体数字识别算法研究开题报告

全文总字数：4201字

1. 研究目的与意义、国内外研究现状（文献综述）

研究意义：

随着智能终端的不断普及，互联网应用技术的不断发展，人们已经不再停留在仅仅用自己的眼睛和耳朵去识别周围的信息，而是使用计算机自动识别。对于人类来说，识别光学信息和谐波信息是特别重要的，这是模式识别的两个重要方面。目前应用较多的有光学字符识别系统和语音识别系统。其中，数字识别属于光学字符识别，是模式识别的一个经典分支，具有很大的应用价值，数字识别的研究将有助于模式识别、机器人技术的发展，以及如何更好地进行人机交互。

虽然在手写体数字识别上已经取得了一定成果，识别率基本上可以达到 96及以上，但是手写体数字识别技术却仍然呈现出若干不足，所以仍然是文字识别中的关键难点之一。因此，研究手写体数字识别具有非常广阔的前景，会是目前以及未来一段时间的重要研究领域。

2. 研究的基本内容和问题

研究目标：

研究采用python作为开发语言，运用k近邻法对手写体数字图像进行分类，建立bp神经网络和卷积神经网络模型并用mnist数据集中的训练集对其进行训练。用测试集对建立好的模型进行测试，分析对比识别效果，调整参数，改变其中代价函数和优化器，来优化模型，最后达到改善对手写体数字识别效果的目的。

3. 研究的方法与方案

研究方法：

1. 采用灰度化、二值化、分割、压缩、归一化对手写体数字图片进行预处理

2. 采用k近邻法对手写体数字图像进行分类

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 研究创新点

   （1）对基于卷积神经网络的手写体数字识别算法的优化

   5. 研究计划与进展

   2018.12.23 -2019.01.09确定选题方向，进行文献资料调查，开题2019.01.10 -2019.02.24继续阅读文献，整理思路，搭建环境

   2019.02.25 -2019.03.14学习图像处理和深度学习方面的知识，为之后打好基础

   2019.03.15 - 2019.03.25 完成手写数字图像的数据集获取和预处理

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付