全文总字数：1075字

1. 研究目的与意义及国内外研究现状

互联网技术的飞速发展，使得人们能够不受时间、空间的限制，随时随地通过网络来获取有效信息，也正因如此，人们在获取信息的同时也产生了大量的信息，而图片数据作为信息载体，既可以展现丰富的内容，也可以更加直观的帮助我们理解信息，因此成为人们获取信息的重要方法，但又因为互联网中的图像数据量过于庞大，要从中识别出我们所需要的图片就很困难，因此基于机器学习的图像识别技术应运而生，利用机器学习的识别率高、可拓展性强等特点，研究并改进机器学习模型，将其与图像识别结合在一起，必将给生活带来极大的便利。

国内外研究现状

机器学习的概念在上个世纪中旬就出现了，当时人们是想将计算机实现智能化，能够像人类一样有自主学习的能力，但因为当时的技术水平低下使得这项技术到了瓶颈期，但在20世纪80年代，反向传播算法的出现给机器学习注入了新的活力，这种算法使得机器能够从大量数据中自主学习并统计出规律，然后用于对新数据的预测，实现了真正意义上的机器自主学习。到了90年代，各种浅层模型都被提出，如支持向量机(support vector machine)等都取得了很大的成功。

近几年机器学习、图像识别也是变得大热，尤其是2016年alphgo战胜李世石，将人工智能机器学习推向了一个新的高峰。

2. 研究的基本内容

结合机器学习的卷积神经网络（convolutional neural network）技术，来进行数字辨别、图像识别。

3. 实施方案、进度安排及预期效果

实施方案：预计4.27预答辩之前完成毕业论文的初稿。

进度安排：每周向导师汇报一次工作进，按照指导进行后续工作。

预期效果：了解数字识别、图像识别的运行原理与机制，一切都有序进行。

4. 参考文献

1. 何伟，何家欢，裴喜平.基于相空间重构和卷积神经网络的电能质量扰动分类，2018
2. 张燕平，张铃等.机器学习理论与算法[M].北京：科学出版社，2012，18-55
3. 李晓普. 基于卷积神经网络的图片分类[D].大连理工大小。2015
4. 楚敏南. 基于卷积神经网络的图像分类技术研究[D].湘潭大学，2015
5. Hinton，Salakhutdinov. Reducing the dimensionality of data with neural networks[J]. Science, 2006,313(5786):504-507