全文总字数：1411字

1. 研究目的与意义及国内外研究现状

手写体数字识别是一项极具研究价值的课题，随着神经网络[和模糊逻辑技术的发展，人们对这一问题的研究又采用了许多新的方法和手段，也使得这一古老的课题焕发出新的生命力。

目前国际上有相当多的学者在研究这一课题，它包括了模式识别领域中所有典型的问题:数据的采集、处理及选择、输入样本表达的选择、模式识别分类器的选择以及用样本集对识别器的有指导的训练。

人工神经网络为手写体数字识别提供了新的手段。

2. 研究的基本内容

人工神经网络识别方法是近年该研究领域的一种新方法，该方法具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理和自学习能力，并且是离线训练和在线识别的。

这些优点使它在手写体字符的识别中能对大量数据进行快速实时处理，并达到良好的识别效果。

由于手写体数字识别难于建立精确的数学模型,所以本文采用bp神经网络对这一问题进行处理。

3. 实施方案、进度安排及预期效果

实施方案：第一部分是图像预处理，第二部分是对手写体数字的结构特征的提取，第三部分是设计神经网络并对前面得到的样本数据进行学习和训练。

进度安排：2018年2月底完成程序设计；2018年3月构思论文主体结构，根据构思，参考有关文献，整理材料，组成论文主体；2018年4月按格式要求写出完整的论文预期效果：完成整体程序设计，识别正确率达到95%以上，完成要求格式的完整论文

4. 参考文献

[1]Yang J M， Kao C Y， A robust evolutionary algorithm for training neural networks. Neural Computing and Application[M]， 2001.10 214~230.

[2] Ciaccio E. J., Dunn S.M, Akay M, Binominal Pattern Recognition and interpretation Systems (Review of Applications), IEEE Engineering in Medicine and Biology Magazine[M]，1994, 13 .2:269~ 273, 283.