手写字识别的卷积神经网络算法测试开题报告

1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 手写字识别的卷积神经网络算法测试1. 前言近年来，深度学习的结构体系有了极大发展，其中大部分结构体系都基于三种核心构建基块：自编码器(auto encoder, ae)[1]，受限玻尔兹曼机(restricted boltzmann machines, rbm)[2]，卷积神经网络(convolutional neural networks, cnn)[3]。

我们现在所认识的大部分深度结构模型都是由以上三种为基础构建而成的。

因为深度学习很容易通过增加可用计算量和数据来取得高速发展，所以有越来越多的人不断地开发新的学习算法和体系结构[4]。

2. 研究的基本内容、问题解决措施及方案

在手写体识别的实际应用里，一般将手写体识别分为联机手写识别和脱机手写识别两大类。

脱机手写汉字识别由扫描、摄像等方式获取手写汉字的图像，与联机手写汉字识别所和获取的特征相比丢失了汉字书写中笔化顺序，并且图像质量受到拍照扫描时的光线不均匀、分辨率、书写媒介、信道噪声等因素的影响会产生不同程度的干扰，使脱机手写汉字识别的难度会更高，其中尤其突出表现在以下几个方面：(1) 汉字数量多。

根据新华社公布最新的统计信息，汉字的数量已经突破了 8 万，经常书写的汉字也有 3500 余字，汉字数量越多，分类准备率就越难提高。