目录
1 项目描述 1
2 基于决策树模型手写数字识别 2
2.1 算法设计 3
2.2 性能分析 3
1. 选择 gini 系数，还是信息熵 4
2. 是否采取贪心的算法 (是否一直采用最大信息熵增 4
3. 预剪枝 (叶子节点个数) 4
3 基于 SVM 模型手写数字识别 4
3.1 SVM 算法设计 4
3.2 SVM 模型性能分析 5
4 基于 ANN 模型手写数字识别 5
图 11.    核函数的选择 5
4.1 MNIST 数据集 5
4.2 ANN 结构 5
4.3 数据增广 5
4.4 ANN 模型性能分析 6
5 图像切割技术 6
6 前端页面设计 6
6.1 题目的聚光灯效果 6
6.2 按钮的流光效果 7
6.3 时钟的特效与 js 实现 8
6.4 动态科技曲线的设计外部引入的前端框架 8
6.5 飘落樱花的设计 8
6.6 图片的上传 8
6.7 ajax 前后端通信 9
1项目描述
图像识别（Image Recognition）是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像 的技术。图像识别的发展经历了三个阶段：文字识别、数字 图像处理与识别、物体识别。机器学习领域一般将此类识别问题转化为分类问题。
手写识别是常见的图像识别任务。计算机通过手写体 图片来识别出图片中的字，与印刷字体不同的是，不同人的手写体风格迥异，大小不一，造成了计算机对手写识别任务的一些困难。数字手写体识别由于其有限的类别（0 9 共 10 个数字）成为了相对简单的手写识别任务。手写数字识别作为模式识别领域的一个重要问题，也有着重要的理论价值， 在大数据时代的背景下，其应用领域非常之广。很多学者对手写数字识别提出了不同的算法，取得了不错的测试效果。
为了更好的探究不同算法对手写数字识别的准确度，我们进行了一系列实验。我们分别实现了基于决策树模型、SVM 模型、ANN 模型的手写数字识别算法，并探究各种模型参数下手写数字识别的效果，从纵向和横向两个维度量化分析了各种模型在不同参数下以及三种模型之间的性能表
现差异。同时我们也使用了图像切割技术提高了识别率，并完成了前端页面的设计。
本文安排如下：在第二三四节我们将分别介绍基于决策 树模型、SVM 模型、ANN 模型的手写数字识别算法实现和性能分析；第五节介绍图像切割技术；第六节展示前端页面 的设计；第七节提出了科研创新点；最后进行了整个项目总结。