1. 研究目的与意义（文献综述）

ocr识别是图像处理与识别领域一个相当活跃的分支，关于它的研究一直在不断的推进，手写数字识别作为ocr识别中的一个重要分支，对于ocr识别的算法研究和发展起到了关键作用。首先它不是一个单一孤立的分支，在手写数字识别中取得的研究进展可以类推到其他的分支，手写数字识别的发展有效的推动了图像识别领域的发展。

目前在国外以google和facebook为首的互联网公司在已经在手写数字识别方面做了很大的铺垫，很多技术产品已经上市。

在国内以百度、阿里、腾讯为首的互联网公司很早就对图像识别做了布局，因此国内在图像识别方面已经走在国际前列，旷世科技的很多技术已经处在行业的顶端，同时也推出了很多例如邮件分拣系统等应用。

2. 研究的基本内容与方案

基本内容：

本次毕业设计内容是采用机器学习和神经网络的方法实现手写数字识别。拟采用python语言编写，python作为一门高级语言，易于理解，且代码格式要求严谨，整个逻辑看起来一目了然，融合了大量的数据处理的函数库，比如numpy等。本设计可以分为两部分：前端界面设计和算法设计；算法设计又可分为基于机器学习的算法和基于神经网络的算法。

手写数字识别系统功能需求分析：

3. 研究计划与安排

1~3周：调研，完成开题报告。

4~6周：熟悉python语言的基本语法和相关的库函数。

7周：了解手写数字识别的算法原理与相关的研究进展。

4. 参考文献（12篇以上）

[1] 陈玄，朱荣，王中元．基于融合卷积神经网络模型的手写数字识别．计算机工程，2017 第11期 p187-192 ，1000-3428

[2] 田绍兴，陈劲杰．基于knn 的手写数字的识别．农业装备与车辆工程，2017 第55卷 第10期 p96-97，100 1673-3142

[3] 张黎，刘争鸣，唐军．基于bp神经网络的手写数字识别方法的实现．automationamp; instrumentation，2015年第0卷第6期， p169-190