1. 毕业设计（论文）主要目标：
深度学习是机器学习领域的研究热点，它使机器学习更加接近人工智能。作为深度学习的一类经典模型，卷积神经网络已被广泛应用于语音识别、图像识别和自然语言处理等领域中。手写数字识别是光学字符识别技术（简称为 OCR）的一个分支,本质是图像识别。本文对手写数字识别的研究是基于谷歌第二代人工智能学习系统Tensor Flow，构建卷积神经网络模型。将MNIST手写字符作为训练集输入神经网络，训练过程中不断调整权值和阈值，最终得到有较高识别精度的模型。手写数字因为其简单性和广泛应用，对它的研究有着重要的价值，手写数字类别少，识别过程相对简单，能够帮助快速的验证新的理论和更加深入研究理论，且手写数字识别的方法很容易推广到其他的相关问题。手写数字应用广泛，在邮政、银行、金融等行业，需要大量处理手写数字信息时，手写数字识别能够帮助节省人力物力，提高办公效率。识别的阿拉伯数字是世界通用的符号，使得手写数字识别的研究与文化背景无关，方便研究之间的比较和讨论。
2. 毕业设计（论文）主要内容：
手写字符的识别本质上是图片分类问题，即将图片分类到数字 0到 9 对应的 10 个类别。基本原理是将输入样本数字进行图片特征的提取，选择分类器，并与对应的标准样本数字进行模式匹配，匹配结果是跟标准样本数字具有最大相似度的数字。其中，特征提取的方法和分类器的设计直接决定系统的分类效果。
图像识别的一般过程
（一）划分数据集
3. 主要参考文献
[1] 李琼，陈利，王维虎．基于 SVM 的手写体数字快速识别方法研究.计算机技术与发展2014．[2] 龚声蓉．数字图像处理与分析北京：清华大学出版社，2006
[3] 张婷．基于图像识别技术的光学标记阅读机的研究与应用. 安徽大学，2007
[4] 张捷 . 手写数字识别的研究与应用. 西安建筑科技大学，2004.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
