基于神经网络的手写数字识别系统的设计与实现学士学位毕业论文

本科生毕业论文（设计）

题目基于神经网络的手写数字

识别系统的设计与实现

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期：

指导教师签名：日期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：日期：

学位论文原创性声明

本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。

作者签名：日期：年月日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

涉密论文按学校规定处理。

作者签名：日期：年月日

导师签名：日期：年月日

注意事项

1.设计（论文）的内容包括：

1）封面（按教务处制定的标准封面格式制作）

2）原创性声明

3）中文摘要（300字左右）、关键词

4）外文摘要、关键词

5）目次页（附件不统一编入）

6）论文主体部分：引言（或绪论）、正文、结论

7）参考文献

8）致谢

9）附录（对论文支持必要时）

2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。

3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。

4.文字、图表要求：

1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写

2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画

3）毕业论文须用A4单面打印，论文50页以上的双面打印

4）图表应绘制于无格子的页面上

5）软件工程类课题应有程序清单，并提供电子文档

5.装订顺序

1）设计（论文）

2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订

目录

摘要 (Ⅰ)

ABSTRACT (Ⅱ)

第一章绪论 (1)

1.1手写体数字识别研究的发展及研究现状 (1)

1.2神经网络在手写体数字识别中的应用 (2)

1.3 论文结构简介 (3)

第二章手写体数字识别 (4)

2.1手写体数字识别的一般方法及难点 (4)

2.2 图像预处理概述 (5)

2.3 图像预处理的处理步骤 (5)

2.3.1 图像的平滑去噪 (5)

2.3.2 二值话处理 (6)

2.3.3 归一化 (7)

2.3.4 细化 (8)

2.4 小结 (9)

第三章特征提取 (10)

3.1 特征提取的概述 (10)

3.2 统计特征 (10)

3.3 结构特征 (11)

3.3.1 结构特征提取 (11)

3.3.2 笔划特征的提取 (11)

3.3.3 数字的特征向量说明 (12)

3.3 知识库的建立 (12)

第四章神经网络在数字识别中的应用 (14)

4.1 神经网络简介及其工作原理 (14)

4.1.1神经网络概述[14] (14)

4.1.2神经网络的工作原理 (14)

4.2神经网络的学习与训练[15] (15)

4.3 BP神经网络 (16)

4.3.1 BP算法 (16)

4.3.2 BP网络的一般学习算法 (16)

4.3.3 BP网络的设计 (18)

4.4 BP学习算法的局限性与对策 (20)

4.5 对BP算法的改进 (21)

第五章系统的实现与结果分析 (23)

5.1 软件开发平台 (23)

5.1.1 MATLAB简介 (23)

5.1.2 MATLAB的特点 (23)

5.1.3 使用MATLAB的优势 (23)

5.2 系统设计思路 (24)

5.3 系统流程图 (24)

5.4 MATLAB程序设计 (24)

5.5 实验数据及结果分析 (26)

结论 (27)

参考文献 (28)

致谢 (30)

附录 (31)

摘要

手写体数字识别是模式识别中一个非常重要和活跃的研究领域，数字识别也不是一项孤立的技术，它所涉及的问题是模式识别的其他领域都无法回避的；应用上，作为一种信息处理手段，字符识别有广阔的应用背景和巨大的市场需求。因此，对数字识别的研究具有理论和应用的双重意义。

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。神经网络模式识别的一个关键步骤是预处理和特征提取，对于手写体数字识别，本文采用了一种基于结构特征和统计特征的提取方法，并用程序实现了这一特征提取过程。

通过测试，本识别系统对于较规范的手写体数字的识别达到了很好的识别效果。关键词：手写体数字识别，特征提取，人工神经网络，MATLAB