1. 研究目的与意义
当前，人们正处于一个信息量空前巨大的时代，对信息的存储和处理速度都有极高的要求。虽然当前在印刷体和联机手写方面的技术已经步向成熟的阶段，但是在手写体识别方面还有更大的发展空间。如果能够实现手写数字的识别与自动录入，那么在处理邮件编码、处理银行票据等方面都会有极大的便利。而阿拉伯数字作为全球通用的符号，无关国界、无关文化背景，因此手写数字识别有很大的适用空间。不仅如此，手写数字识别系统的发展，也为更多手写体识别技术的发展起到了推动作用。
2. 研究内容和预期目标
研究在MATLAB的环境下，通过输入手写数字的图片，并对图片进行灰度化、二值化等一系列预处理，基于MNIST数据集，采用卷积神经网络经典模型对数据集进行训练，对比几种数据集的识别效果，对算法进行测试并给出错误率。
写作提纲如下:1.课题背景及意义2.图像预处理与数据集3.卷积神经网络结构系统设计4.系统实现效果与结果5.结语
3. 国内外研究现状
在此之前，针对手写数字识别系统的设计与实现，已有很多的研究者对此进行了讨论与总结。早在1999年，栗国星、石秉学就提出了一种基于细胞神经网络和多层感知机构成的组合神经网络进行手写数字识别的系统。2006年，迟国伟针对票据管理困难的问题，发表了《商业发票手写数字识别系统的设计与实现》，以商业发票为原形，运用图像处理、模式识别方法，实现了一个完整的发票自动处理系统。近些年，一些研究者提出了基于BP神经网络的手写数字识别系统和和基于ARM的手写数字识别系统等。
4. 计划与进度安排
研究方案：主要研究在MATLAB环境下，通过卷积神经网络对MINST数据集进行训练，达到对手写数字图片的识别的效果。
研究方法：
首先，介绍手写数字识别系统的研究目标，分析该问题产生的背景以及实现该系统后的前景，概括实现数字手写识别系统的意义。
5. 参考文献
[1]吕红.基于卷积神经网络的手写数字识别系统的设计[J].智能计算机与应用,2019,9(2):54-56.
[2]程国建，岳清清.卷积神经网络在岩石薄片图像检索中的应用初探[J].智能计算机与应用,2018,8(2):43-46,51.
[3]焦李成,赵进,杨淑媛,等.深度学习、优化与识别[M].北京:清华大学出版社,2017.
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。
