手写数字识别问题（5）——完结

经过接近15周的艰苦努力，毕业设计（基于MATLAB的手写数字识别系统）已经完结。
设计过程中遇到的部分问题可查阅博客：

1. 手写数字识别问题（1）——关于MNIST数据集
2. 手写数字识别问题（2）——利用MATLAB搭建GUI界面
3. 手写数字识别问题（3）——详解卷积神经网络LeNet-5
4. 手写数字识别问题（4）——图像处理时常见问题之uint8与double类型详解
   以及本文手写数字识别问题（5）——完结。

本文采用MATLAB型号是MATLAB R2016a，且是利用纯代码BP神经网络设计实现，没有利用MATLAB神经网络工具箱函数，这样更能方便的了解BP神经网络的工作原理——信号前向传播，误差反向传播。最后利用GUI界面进行搭建，方便快捷。
整个过程包括五部分，分别是：
①样本库图像预处理。手写数字识别中使用的数据库，主要图像预处理的方法。
②样本特征提取。对预处理之后的图像数据选择样本特征进行提取。
③分类器设计。通过对比各种分类器选择较为合适的BP神经网络分类器
④手写数字的识别。与样本库图像不同，本文所要识别的对象是利用windows 画图产生黑白二值且保存为.bmp 文件的手写数字图像，因此需要进行与样本库图像不同的图像预处理。
⑤搭建GUI界面。利用MATLAB GUI界面搭建软件系统，验证系统的稳定性良好。

GUI界面又包括单数字GUI界面搭建及多数字GUI界面搭建。本设计基本将手写数字识别的各个领域均涵盖在内。而且代码基本都有注释解释，更方便了解。
部分代码如图所示。
主函数部分代码：

识别函数部分代码：

单数字GUI界面：

多数字GUI界面：

经过训练，测试集识别率可以超过99%，具有良好的识别性能。

除此之外，本设计还可以提供必要的开题报告、文献综述、论文大纲及答辩PPT和答辩稿等介绍。
由于投入了不少精力和时间，以及走了大量的弯路。有需要代码的可以添加微信联系（备注：手写数字识别毕业设计）