基于matlab的手写体数字识别系统

摘要：随着科学技术的发展，机器学习成为一大学科热门领域，是一门专门研究计算机怎样模拟或实现人类的学习行为的交叉学科。文章在matlab软件的基础上，利用BP神经网络算法完成手写体数字的识别。

机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织己有的知识结构，使之不断改善自身的性能。实现机器学习的方法多种多样，常见到的主要有神经网络算法、CNN卷积神经网络算法、RNN循环神经网络算法、EM算法、贝叶斯算法、聚类算法、回归算法、SVM等。本文将利用BP神经网络算法来完成手写体数字的识别[1]。

1总体方案

1.1题目分析

手写体数字识别的实现相对于其他元素的识别，具有许多优势。主要表现在以下几个方面：（1）涉及的识别元素数目少，仅有0〜9共10个元素；（2）训练集合背景多为纸张，受到的环境干扰小；（3）识别元素笔画简单，便于识别；（4）训练集合便于采集。

在此基础上，之所以选取BP神经网络作为工具来实现手写体数字识别，其优势主要体现在：（1）BP神经网络算法具有很强的非线性拟合能力，可以影射任何的非线性复杂关系；（2）学习规则简单，便于计算机实现[2]。

1.2总体方案设计

本次试验是识别手写体数字，大体上可以分为两个阶段来实行，分别是训练神经网络和利用神经网络进行识别（预测）。要进行本次试验，首先要下载一个手写体数字素材库，将随机选取素材库中的一部分素材作为训练样本&#x