吃饱了撑着，刚准备好下午考试一题的答案
发上来玩玩，哈
试给出用BP神经网络实现手写数字识别的思路。要求给出实现的关键步骤和基本思想，不要代码。刚写好的答案：
用基于BP网络的数字手写体模式识别，基本步骤及基本思想如下：
1 数据获取：用计算机可识别的符号来表示待检测的对象。本题中，对象手写体将被转换成图像数据。
2 预处理：数据的标准化，包括对输入数据进行去噪，提取有用信息等操作。本题中，预处理依次包括图
像的01取反（手写体数据主体为1）、旋转（摆正）、裁减（去除多余信息）、拉伸（将手写体拉伸成正
方型）。
3 特征提取：对特征的降维及特征提取。本题中，由于经过预处理后的手写体维数较高，需要经过n*n网
格法去对手写体进行降维。降维后，将从降维后的数据中提取一个特征的向量。
4 分类器训练：分类器训练的目的就是调整分类器各参数及有效的提取同类样本间的特征信息。
模式识别的目的是利用计算机对对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体
相符合。机器辨别事物的本质是计算，原则上讲是对计算机要分析的事物与标准模板的相似程度进行计算
。
本题中，利用BP网络进行模式识别。BP网络是一种反向传递并能修正误差的多层网络。当参数适当时，能
收敛到最小的均方差。BP网络的不足便是需要进行较长时间的训练，当训练样本不足时，其泛化能力较弱
。因此，选取特征5-10倍的样本进行训练较为合适。因此，每一个数字，最好选取5*n*n个样本。
5 效果评估：评估样本对训练后的分类效果进行评估。正确率=正确识别个数/总个数
用户系统信息：Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; .NET CLR 1.1.4322)
