1. 研究目的与意义（文献综述包含参考文献）

一、本课题的研究内容与目的

数字识别前景广阔，在很多重要领域有着广泛的应用。例如表格中数字的 识别、汽车牌照的数字自动识别和成绩单的识别等 多个项目, 涉及到交通、银行、教育和邮政等多个领 域。手写体数字识别是近年年来的热点，神经网络是目前应用最广泛的神经网络模型。将两者融合并结合matlab软件，提出了一种简单的基于神经网络数字识别的方法，仿真实验结果表明，该方法识别效果良好，准确率高，有一定实用性。

数字识别不但具有很高的应用价值，同时也具有很高的理论价值。首先，由于经济的发展，金融市场化进程的日益加快，票据业务发展很快，票据数量也与日俱增。其中个人凭证，支票，发票，进账单等等票据均需要处理大量的信息。而目前，票据录入仍然依赖人工处理方式，因而使得票据管理工作也相对落后。如果能通过手写体字符识别技术来实现信息的自动录入，无疑会大大有利于解决传统人工处理方式中存在的工作量大、成本高、效率低、时效性差等问题。因此，手写数字的识别研究有着重大的现实意义和十分广阔的应用前景，一旦研究成功并投入应用将产生巨大的社会和经济效益。其次，由于数字是全世界通用的符号，识别种类较小，有助于作深入分析及验证一些新的理论。由于手写数字识别的方法很容易推广到其它一些相关问题上，例如英文字母、汉语拼音等文字的识别，所以它逐步成为模式识别的一个热点的研究领域。从50年代开始，许多的研究者就在这一研究领域开展了广泛的探索并为模式识别的发展产生了积极的影响。可以说，手写数字识别的研究将有助于模式识别、机器理解、机器人技术的发展，具有很大的理论价值。

2. 研究的基本内容、问题解决措施及方案

三、拟采取的研究方法

人工神经网络采用的是人体大脑中的学习反馈思想，有较高的运行效率，实现方式也相对简单。误差反向传播神经网络，简称bp神经网络，是一种朝着满足给定输入输出关系方向进行自组织的网络，是应用最为广泛的一种神经网络。将bp网络技术和数字本身的结构特征结合起来，提出了一种基于结构特征分类bp网络的手写体数字识别新方法。首先提取点、环等数字特征值，并根据一些特征进行分类；然后再运用bp神经网络识别，以提高网络的识别能力[2]。bp神经网络具有以下优点:（1)bp神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即bp神经网络具有较强的非线性映射能力。（2)bp神经网络在训练时，能够通过学习自动提取输出、输出数据间的”合理规则”，并自适应的将学习内容记忆于网络的权值中，具有高度自学习和自适应的能力。（3)bp神经网络具有将学习成果应用于新知识的能力。(4)bp神经网络在受到局部损伤时还是可以正常工作的，具有一定的容错能力。基于上述优点拟采用bp神经网络算法实现手写数字的识别。

在手写数字识别的研究中 ,一般方法分为 4个步骤: 图像获取、预处理、特征抽取和分类 . 从数学模 型以及计算的角度来考察识别过程 ,通过光学方法采样得到的图像是手写汉字的初级数学模型;第 2步的预 处理是对初级数学模型进行的计算;而第 3步则是建立手写汉字的高级模型 ,是对初级模型进行的变换;最 后一步是通过对已知模式与高级模型的比较计算得到最终的识别结果.显然 ,好的数学模型不仅要能够反映 模式的本质属性 ,而且计算量要小.