登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 电子信息类 > 电子信息工程 > 正文

基于机器学习的手写数字识别开题报告

 2022-01-14 20:16:27  

全文总字数:2274字

1. 研究目的与意义及国内外研究现状

手写数字识别由于其本身的实用性,二十年来也在不断的向前发展。

手写数字识别有联机识别与脱机识别两种,联机手写数字识别以笔画为基础,脱机手写数字则以图片为基础,与联机手写数字比起来,脱机的供给信息量不多,排除手写数字每个像素的值,脱机中没有笔画与笔顺概念,且忽视了手写数字笔画的时序信息。

因此,脱机手写识别面对着巨大的挑战。

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!

2. 研究的基本内容

联机识别可以看做是一个数字转换器。现在的一些联机识别与屏幕结合显示笔迹,手写数字经采样后将笔尖轨迹传送到计算机,由计算机软件自动完成识别、显示和保存。而脱机识别是识别写在纸质.上的,也称为写字板上的手写数字,与联机识别相比,方法大大不同。

手写数字识别方法主要分为统计识别法、结构识别法和神经网络法。结构识别方法的优点是识别相似数字能力强,缺点是抗干扰能力差。脱机识别要求适应各种复杂环境,所以在脱机识别上很少采用结构识别法,结构识别法更多的是应用于联机手写识别。统计识别法把手写数字作为一一个整体。所有的特征都是从大量的统计数据中得到的,然后根据--定的标准,通过确定的决策函数进行分类和决策。统计识别的特点是抗干扰能力强,细分能力强。但在脱机手写数字识别上的应用,由于错误率和拒识率都不理想,很难达到实际应用的要求。而神经网络法的应用大大降低了错误率和拒识率,使手写数字识别的应用得以实现。

3. 实施方案、进度安排及预期效果

第01~02周:查阅相关文献,了解手写数字识别等的定义、理论、研究现状以及应用前景等,着重学习python的相关知识。

第03~04周:对手写数字识别现状和现存问题进行了总结,阐述了当前手写数字识别技术实现的各种方案。

第05~06周:对其中的深度学习算法进行研究,对实现不同功能的深度学习模型进行了分类,结合模型功能对实际应用需求进行分析。

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. 参考文献

[1]黄巧巧.基于BP神经网络的手写数字识别系统研究[D].华中师范大学,2009[8]王强.基于CNN的字符识别方法 研究[D].天津师范大学,2014
[2]曹丹.基于Hopfield神经网络的脱机手写数字识别[D].中南大学,2009
[3]陈宙斯,胡文心.简化LSTM的语音合成[J].计算机工程与应用,2018,54(03):131-135.
[4]孙洋.基于Android平台的植物叶片识别系统[D].河北大学,2017.
[5]李秋逸.现代手写数字笔顺规范应用研究[D].中国社会科学院研究生院,2017.
[6] 邢远.深度学习在手写数字识别中的应用[D].苏州大学,2017

[7] 黄弋石.维吾尔文脱机手写识别建模研究[J].信息记录材料,2018,19(02):89-91.

[8]索南尖措,关白,李雷,山发富.藏文联机手写识别的研究与实现[J].计算机时代,2017(07):10-12 16.[9] 刘颖.基于Android的联机手写维吾尔文识别研究[D].新疆大学,2017.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图