深度神经网络与极端学习机在手写体数字上的性能比较分析开题报告

全文总字数：2236字

1. 研究目的与意义

手写数字识别作为模式识别的一个重要分支,在邮政、税务、交通、金融等行业的实践活动中有着及其广泛的应用。

这几年来我国开始大力推广的三金工程在很大程度上要依赖数据信息的输入，如果能通过手写数字识别技术实现信息的自动录入，无疑会促进这一事业的发展。

因此，手写数字的识别研究有着重大的现实意义，一旦研究成功并投入应用，将产生巨大的社会和经济效益。

2. 国内外研究现状分析

20世纪60年代中期到70年代早期已经可以识别比较工整的手写体字符，日本的toshiha公司开发出了邮政编码自动分拣机，retina公司研制了一种手写体阿拉伯数字占很大比例的应用系统，成为手写体数字识别研究的开端。

近年来出现的手写体数字识别系统以银行支票自动处理作为热点和难点。

手写体字符识别一般可以分为两类：1联机手写字符识别；2光学字符识别(ocr)或称离线字符识别。

3. 研究的基本内容与计划

手写体字符的识别是字符识别领域最有挑战性的课题，有相当的难度。

主要原因是：第一，某些数字之间字形相差不大，准确区分这些数字相当困难。

第二，数字虽然只有十种，而且笔划简单，但同一数字写法千别，全世界各个国家各个地区的人都用，其书写上带有明显的区域特性，很难完全做到高识别率的通用性数字识别系统。

4. 研究创新点

本课题结合神经网络和极限学习机技术，对在两种方法下的手写体数字识别问题进行了探讨和研究，主要研究成果如下：1．针对手写体数字数据，运用神经网络bp算法首先进行了灰度化、二值化、平滑去噪、归一化、细化等常规预处理。

然后对处理完的数字图像进行特征提取，提取了能体现字符特点的特征向量。

2．针对手写体数字识别问题，研究了bp神经网络分类器和极限学习机分类器的建立和识别过程。