1. 研究目的与意义
机器学习的智能识别技术成为人工智能应用的左膀右臂。
作为本科生，应该对前沿科技有探索和追求的目标。
手写体数字的识别是人工智能识别系统中的重要组成部分，据调查，在该技术下的移动应用依然很少，基于Android移动端的offline识别技术依然有很大应用前景。
2. 研究内容和预期目标
1.利用python编程语言的API接口，建立卷积神经网络的网络结构，包括两个卷积层，两个池化层，两个全连接层，和一个softmax。
2.采用Mnist训练集训练模型，探究正则化如何解决过拟合（Overfitting）降低影响预测效能。
3.将训练好的模型移植到Android平台上，进行模型调用。
3. 国内外研究现状
数字识别技术国外前辈提出众多方法，比较常用的有MRFs、支持向量机、聚类分析、贝叶斯Bayes等。
早起追溯至光学字符识别（OCR），到九十年代，由 LeCun提出的以 LeNet-5 为代表的卷积神经网络模型已经应用于车牌字符，手写数字，人脸识别，物体检测上，取得了图像识别领域优异的成果。
在国内，对数字识别具有标志性的研究是：中科院自动化研究所采用有限状态自动机相关方法识别1100多个手写数字，识别率达到95.2%；清华大学采用SVM的方法对金融票据中的手写数字进行识别，测试识别率达到92%。
4. 计划与进度安排
第一章：简述论文写作内容的科技前沿背景、意义，主要包括人工智能识别技术应用。
第二章：概述，应用开发中所需要的Android系统及技术，所使用python编程语言的API，多元回归分类模型Octave运行软件，终端虚拟机环境TensorFlow框架工作原理。
第三章：对比多元分类回归模型训练结果。
5. 参考文献
[1]朱虎明,罗政,缑水平,田小林,焦李成,张小华.Android平台上基于卷积神经网络的手写数字识别实验[J].计算机教育,2017(11):159-162. [2]俞富强. 基于Android平台的数字识别软件设计与实现[D].东南大学,2017. [3]孙国民. 基于ANDROID系统的车牌识别系统设计与实现[D].湖北工业大学,2017. [4]王强. 用于配电房巡检的Android手机客户端设计与实现[D].苏州大学,2016. [5]赵世峰.Android下的机械式电表数字识别技术研究[J].软件导刊,2016,15(11):196-198. [6]林仁杰,李国和,成一功,吴卫江,洪云峰.基于Android手机的标签数字码识别与应用[J].计算机测量与控制,2015,23(04):1333-1335 1342. [7]吕建飞. 基于Android的车辆油耗管理系统的设计与实现[D].南京邮电大学,2016. [8]杜少波.基于TensorFlow的移动设备手写数字识别模型设计与实现[J].信息通信,2018(09):41-43. [9]黄睿,陆许明,邬依林.基于TensorFlow深度学习手写体数字识别及应用[J].电子技术应用,2018,44(10):6-10. [10].张猛，余仲秋，姚绍文.手写体数字识别中图像预处理的研究[J].微计算机信息， 2006(06S):256-258 [11].刘荣荣.基于卷积神经网络的手写数字识别软件的设计与实现[D].内蒙古大学.2015 [12].刘敏.移动端的Android移植与应用程序设计[D].西安：西安电子科技大学，2011 [13].Li C,Yu X,Huang T,et al.A generalized Hopfield network for nonsmooth constrained convex optimization:Lie derivative approach[J].IEEE transcations on neural networks and learning systems,2016,27(2):308-321. [14].Deng L.The MNIST database of handwritten digit images for machine learning research [best of the web][J].IEEE Signal Processing Magazine,2012,29(6):141-142. [15]范铭豪.TensorFlow中不同神经网络模型对MNIST数据集影响研究[J].现代信息科技,2018,2(11):75-77.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
