基于有监督学习的手写数字识别开题报告

1. 研究目的与意义

随着信息技术的发展，机器学习及人工智能的应用需求越来越广泛。数字识别作为模式识别领域的传统课题，是多数模式识别课题都会遇得到基本问题。而手写数字识别在报表，账单，支票，邮政编码等许多应用场合中，还难以完全被印刷体替代而且要求对其很高的识别率，因此研究手写数字识别具有重要的现实意义。

2. 研究内容和预期目标

要求根据mnist数据集中的六万张有标注的手写数字图像文件（训练样本）编写有监督学习算法，实现手写数字文件的自动识别。并且努力提高数字识别的精确度。

主要内容包括：

实现单个手写数字的鲁棒识别计算相应算法的准确率、查全率、查准率、f1等性能指标，并对不同方法进行评价分析；

3. 研究的方法与步骤

首先选择几种典型的有监督学习算法（如随即森林、神经网路、支持向量机等）实现单个手写数字的鲁棒识别，用Python或Matlab或Java等高级语言编程实现；其次计算相应算法的准确率、查全率、查准率、F1等性能指标，然后对不同方法进行评价分析；最后，进行模型推广,实现多个手写数字的鲁棒识别。

4. 参考文献

[1]周志华，机器学习，北京：清华大学出版社，2016年1月

[2]robert tibshirani, jerome friedman著，范明，柴玉梅，咎红英等译，统计学习基础-数据挖掘、推理与预测，北京：电子工业出版社，2004

[3]华校专、王正林，python大战机器学习-数据科学家的第一个小目标，北京：电子工业出版社，2017年3月

5. 计划与进度安排

（1）2022年11月 -- 2022年12月30日，与辅导老师见面，领取任务书

（2）2022年2月25日 -- 2022年3月10日，完成开题报告书

（3）2022年3月11日 -- 2022年4月 1日，收集资料，开展研究，形成写作初稿