1. 研究目的与意义（文献综述）

1.1课题研究的背景及意义

随着社会的进步与科技的快速发展，近年来出现在人们生活中的图像数量迅猛增长，人们需要快速、有效地、合理地对这些图像数据进行分析和处理并对分析后的图像进行识别和分类，传统的图像特征提取算法更多的是针对特定的问题，进行专门的人工设定，这种方法泛化能力弱，可移植性差，准确度相对较差。20世纪60年代，hubel等人通过对猫的大脑视觉皮层研究发现，生物的视觉系 统是通过多层次的感受野（receptive field）逐层激发实现的。对动物视觉机理的深入研究启发研究人员思考是否可以设计出类似的算法，赋予机器识别理解图像的能力，由此卷积神经网络（convolutional neural networks，cnn）应运而生。

卷积神经网络(convolutional neural network,cnn)是人工神经网络(artificialneural network,ann)的一种，它的权值共享网络结构减少了传统全连接型神经网络所需的训练参数的数量。多层次的网络结构保证了输入图像的特征提取的充分性，并且特有的输入信息特征提取的方法(卷积和子采样)不仅避免了识别算法对信息复杂的处理过程，还在处理含有不同种类和程度变形的图像或语音信息时也有着很高的识别率。

2. 研究的基本内容与方案

2.1研究的基本内容

随着深度学习在计算机视觉和模式识别领域的快速发展，与之相关的人工智能技术取得了很大的进步。其中，卷积神经网络作为深度学习算法中的一种，具有结构简单，适应性强，训练参数少等特点，近年来被广泛应用在图像分类识别领域中。本设计拟将对深度卷积神经网络在网络图像分类领域进行研究，设计合适的分类方法，提高图像分类的精准率，降低错误率。

2.2主要实现技术

3. 研究计划与安排

第1-2周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第3-4周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第5-8周：编程实现算法和系统，并进行仿真调试。

4. 参考文献（12篇以上）

[1]边肇棋，张学工.模式识别(第二版)北京:清华大学出版社.2000.

[2]席晓聪，图像分类方法研究[d].山东:山东大学计算机科学与技术学院，2013.

[3]m.j.swainand d. h. ballard, "color indexing," international journal ofcomputer vsion, vol. 7,no.1,pp.11---2,1991.