1、目的及意义

1.1 研究目的及意义

自从上个世纪六十年代以来，计算机视觉与图像处理越来越受到人们的关注，并逐渐成为一门重要的学科邻域。而作为它们的研究对象的数字图像，也因为它含有研究目标的丰富信息而成为越来越重要的研究对象。图像识别的目标是用计算机自动完成某些信息的处理，用来替代人工去处理图像分类及识别的任务。

模式识别研究的是如何用机器实现人（及某些动物）对事物的学习、识别和判断能力，因而受到了很多邻域研究人员的注意，成为人工智能研究的一个重要的方面。一个模式识别系统的基本职能是对系统所要处理的模式归属于哪一类做出判别，从该系统的模式输入到系统做出判别之间，主要包括信息检测、预处理、特征提取和分类几大环节。

手写数字识别涉及到将图像中的文本自动转换为计算机可以使用的字符代码，作为图像识别学科下的一个分支，是图像处理和模式识别邻域研究的课题之一，由于其具有很强的实用性一直是多年来的研究热点。由于手写体数字的随意性很大，例如，笔画的粗细，字体的大小，倾斜等等都直接影响到字符的正确识别，所以手写体数字识别是一个很有挑战性的课题。

而聚类算法，作为一种机器学习的技术，同时也是数据挖掘的一个重要算法，通过将每个数据点划分为一个特定的组，并且同一个组中的数据点有着相似的属性和特征，而不同组中的数据点具有高度不同的属性和特征。聚类是一种无监督的学习方法，是许多邻域中常用的统计数据分析技术。本次毕业设计就是基于聚类算法来实现手写数字识别。

手写数字识别研究的价值意义在于自然人机交互领域，提高人机交互的自然性和友好性。在于数字信息自动处理邻域，节省人力，提高效率，加快信息流动，创造巨大的经济效益。

1.2 国内外研究现状

手写数字识别在经过过去几十年的研究发展，取得了巨大的成功，识别率在90%以上，但是作为数字识别它需要非常高的识别精度以及效率，因为数字识别的错误所带来的影响非比寻常，比文字识别等其他字符识别所带来的影响更大，尤其在金融、财会邻域数字识别的错误所带的后果更是不可低估。手写体数字识别一直是多年来的研究热点，具有广泛的应用范围及很高的商业价值。目前，市场上也出现了各式各样的手写体数字识别系统的产品。显然，高精度、高效率的手写体数字识别器能够提高实际应用系统的整体性能，然而现在还没有哪个手写体数字识别系统能够达到完美的效果。因此，进一步提高手写体数字识别系统的识别精度和速率是每一位研究者奋斗的目标。

早在60，70年代，世界各国就开始有光学字符识别OCR方面的研究，研究的初期，多以文字的识别方法研究为主，且识别的文字仅为0至9的数字。以同样拥有方块文字的日本为例，1960年左右开始研究OCR的基本识别理论，初期以数字为对象，直至1965至1970之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业。现如今，IBM、HP、日立、东芝、夏普、NEC、理光和新加坡热卡公司等国外公司都巨额投入了手写数字识别邻域，利用扫描仪，摄影器材，甚至是扫描笔将手写体数字输入电脑识别。