1. 研究目的与意义（文献综述）

1.1目的、意义与背景

自从计算机问世以来，让机器具有模式识别能力一直是计算机科学家们的努力方向。研究表明，对视觉和听觉信息的处理过程，不仅仅是一个感知过程，也是一个认知过程。因此，研究模式识别，是理解人类智能的本质的重要途径，因而受到了很多科技领域研究人员的注意。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。字符识别是一个传统和典型的模式识别问题，手写字符识别是一个典型的大类别的模式识别问题。手写体字符具有不同字符字型相差不大、相同字符有多种不同写法、没有上下文关系等等特点，使得手写字符识别成为识别领域的难题和目标。

字符识别是模式识别领域中的一个非常活跃的分支。一方面是由于问题本身的难度使之成为一个极具挑战性的课题；另一方面，是因为字符识别不是一项孤立的应用技术，其中包含的模式识别领域中其他分支都会遇到的一些基本和共性的问题。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。字符识别，从采用的输入设备来分，可分为脱机识别（又称为光学字符识别optical character recognition ,ocr）和联机识别，脱机字符识别（ocr）分为印刷体ocr和手写ocr。在联机手写字符识别中，计算机能够通过与计算机相连的手写输入设备获得输入字符笔划的顺序、笔划的方向以及字符的形状，所以相对ocr来说它更容易识别一些。如果需要计算机去认识这些已经成为文字的东西，就需要ocr技术。比起联机字符识别来，ocr的应用更为广泛。ocr所使用的输入设备可以是任何一种图像采集设备，如扫描仪、数字相机等。通过使用这类采集设备，ocr系统将书写者已经写好的文字作为图像输入到计算机中，然后由计算机去识别。

2. 研究的基本内容与方案

本次设计基于谷歌第二代人工智能学习系统tensorflow，构建神经网络模型。将手写字符作为训练集输入神经网络，训练过程中不断调整权值和阈值，最终得到有较高识别精度的模型并分析各种模型在识别正确率和训练速度等方面的差异。

2.1tensorflow平台搭建

tensorflow即可以支持cpu，也可以支持cpu gpu。前者的环境需求简单，后者需要额外的支持。选择安装cpu版本。首先安装anaconda，选择4.2版本的anaconda下载。打开cmd，输入python，出现python的版本信息就说明python安装成功。输入tensorflow官网给出的代码，安装。测试成功。

3. 研究计划与安排

第1-2周：根据论文题目检索资料。明确研究内容，了解研究所需理论基础。确定方案。

第3周：利用图书馆的网络及书面资源，搜集相关课题资料，完成开题报告。

第4-5周：完成系统设计，完成英文资料的翻译，掌握开发过程所需要的软件tensorflow、python和编程语言。

4. 参考文献（12篇以上）

[1].张俊. tensorflow平台下的手写字符识别[j]. 电脑知识与技术. 2016,16(12):199-201.

[2]. 章敏敏. 谷歌tensorflow机器学习框架及应用[j]. 微型机与应用. 2017,10(36):58-60.

[3]. 张立明.人工神经网络的模型及其应用[m].上海：复旦大学出版社. 1992.156~170.