1. 研究目的与意义
随着信息技术的发展，信息建设在我国取得了迅猛的发展，为了提高生产效率，降低生产成本，数字识别技术的应用前景越来越广泛（如车牌识别，统计，财务报表的自动化处理 ，邮政编码的识别，银行票据等），计算机视觉与图像处理越来越受到关注，并且逐渐从成为一门重要的科学领域，称之为光学字符识别技术（Optical Character Recognition 下文简称为OCR），而作为OCR的一个分支，手写体数字识别（Handwritten Numeral Recognition）的研究对象是，使计算机能够识别人手写出来的数字。
此类识别一般通过特征匹配及特征判别的方法来进行处理，前者一般适用于规范化的印刷体字符识别，后者多用于手写字符识别，其研究还处于探索阶段，识别率还比较低，其主要的原因在于手写体的随意性很大，同一个数字有很多不同的写法，即使是同一个人写出来的也不完全一样，其差别主要在于笔画的粗细，字体的大小，连笔，倾斜角度等等，都会影响到字符的正确识别。
随着国家信息化进程的加速,手写体数字识别的应用需求将越来越广泛,因此应当加强这方面的研究工作。
2. 课题关键问题和重难点
该课题的关键问题有以下几点：1、在预处理阶段将原始的图像转换成识别器所能接受的二进制形式，需要进行定位、灰度化、二值化、去噪、切分、归一化的步骤进行处理，这里将采用一些较成熟的算法，减少其原始图像的优劣对最终识别结果的影响。
2、特征提取阶段是将数字字符形状转换成一组特征值的过程，结构特征通常包括圆、端点、交叉点 、笔画、轮廓等，在提取过程中若能有效的结合几何知识，就能够得到较可靠的转换结果，转换的结果会直接影响到识别结果。
3、再识别阶段理由 提取获得的 特征对待识别的数字进行识别处理。
3. 国内外研究现状（文献综述）
机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
实现机器学习的方法多种多样，常见到的主要有神经网络算法、CNN卷积神经网络算法、RNN循环神经网络算法、EM算法、贝叶斯算法、聚类算法、回归算法、SVM等。
这里，我将利用BP神经网络算法来完成手写体数字的识别。
4. 研究方案
1.研究方法：首先要对所需要的机器学习进行了解，这需要查阅一定的资料，清楚BP算法的原理以及如何应用他。
因为本次研究完成的主要是对手写体数字识别设计，对于相关的数字图像处理知识以及相关的库（如MNIST、USPS）要有所了解，在这个过程中，需要查阅相关信息资料以及多次的实践。
2.研究措施：（1）自学《机器学习》，监督算法和分类问题进行了详细了解；了解不同的设计实现方法，比较现有的相关方案，确定本课题研究和实现方案，然后对方案中的各单元进行了必要的分析和研究。
5. 工作计划
第 1 周 接受任务书，领会课题含义，按要求查找相关资料，阅读相关文献，并整理整个系统的设计思路。
第 2 周 查找并阅读相关资料，找视频课，自学《机器学习》，理解反向传播算法的有关内容。
第 3 周 翻译相关英文资料，提出拟完成本课题的方案，写出相关开题报告一份。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
