张华美，张皎洁

（南京邮电大学电子与光学工程学院、微电子学院，江苏南京 210023）

在光学字符识别领域中，手写数字识别是一个必不可少的组成部分［1］，它是在光学字符识别基础上，采用计算机等处理器对手写阿拉伯数字进行识别的一种技术。该技术在财务报表、邮政分拣、成绩统计、银行票据等场合应用广泛。依据字体分类，数字识别可分为印刷体识别和手写体识别两类，而手写体识别遵从识别时间分类，又可分为联机手写体识别与脱机手写体识别两种模式。目前印刷体和联机手写体数字识别系统的使用非常成熟［2］，而脱机手写体数字识别因其写法不同难以做到兼顾各种写法的实用性数字识别系统。近年来，众多学者在机器学习领域、深度学习领域、机器学习与深度学习相结合的领域对脱机手写数字识别进行研究，取得了不错的成果。但目前仍无法满足社会的迫切需求，因此研究高性能的脱机手写数字识别技术非常有必要。

1 机器学习在手写数字中应用

机器学习不仅能从海量数据中挖掘并找到其中隐含的规律，还能应用于某些未知数据的预测，因此可以将机器学习的方法运用到手写数字识别中。图1是运用机器学习的方法进行手写数字识别的流程图，主要包括数据集、预处理、特征提取、分类器等。

图1 手写数字识别流程图

1.1 划分数据集

机器学习中手写数字常用的数据集有3个：（1）美国标准技术研究所手写数字数据集（MNIST），其中训练集样本为6万张，测试集样本为1万张，每张手写数字图像的灰度值统一被归一化，图像像素为28∗28。……