1、“.....我们很难写出电子终端设备中标准的印刷体字符，这就带来了识别不准确或者识别不出来的问题，如果这样的问题出现在重大工程中，将会给工程带来无法预测的损失。鉴于此，我选择了手写数字聚类这个研究题目，聚类和数字识别是同个方向的题目，采用聚类分析的方法来实现数字识别，准确率高又可以节省时间，这将会极大地方便我们的生活，提高作业效率。手写数字聚类的国内外发展和现状如今国内外学者在手写体数字方面的研究重点是脱机手写数字识别，有两个大方面的问题暂时还没解决，方面是识别的精度，精度意味着它能不能担当重任，像在金融这样需要高度安全的领域没有精度那就没有可谈的余地另方面是识别的速度......”。

2、“.....美国已经建立了适合自己国人书写习惯的数字数据库，里面包含万个标注样本，我认为我国也急需建立个自己的数据库，个适合我国书写习惯的数字库作为我们国家的个国家标准域。手写设备的研究目前已有很大的进展，有很多产品已应用在生活中，鉴于阿拉伯数字是全球通用的字符，应用前景非常广阔，所以世界各国都投入了大量的人力和财力研究数字识别。当然，各个国家的书写习惯和文化氛围不同，还有国家发展实力的差异，带来的研究成果自然也是各有千秋。数字因其结构简单，不同数字的字形差异不明显使其识别正确率明显不如印刷体字符。在过去十多年的研究中各国研究者提出了多种识别方法，尤以国外的研究成果见长......”。

3、“.....本课题采用的流形学习近年来也得到越来越多的关注和重视，通过和现有的成熟技术相结合，在图像处理数字识别形态分析语音处理方面都取得了很好的成果，基于的手写体数字聚类研究和同事以及三人基于和算法在数字识别方向的率，就搁浅了，本期望可以得到点有用的结论，但结果显示的图形和完全不同，可比较性不大。图模糊均值实验模糊均值的实验中，输入对象是矩阵，表示个样本，每个样本具有基于的手写体数字聚类研究基于的手写体数字聚类研究摘要手写数字聚类技术在手写数字识别触控操作图像处理等方面都有重要的理论意义和实用价值。目前，这方面的最新研究成果主要有细化算法，和算法，方法......”。

4、“.....详细论述了手写数字识别的原理及实现过程，系统介绍了目前主要的等降维算法。介绍了两种聚类算法及模糊均值。利用该算法的思想及原理，对数字聚类进行研究并进行仿真实验，计算不同聚类算法的率并对比各种算法的优缺点，找到最优化的算法，提出自己的改进方法。实验提取了组数据，每组包含个数据值，聚类的率达以上，后经过改进降维参数，增加提取的数据量，成功的降低了率。另外又变换降维方法和聚类方法，与前组实验做对比，得出的聚类效果较理想，同时发现聚类效果受数据量大小的影响呈正弦曲线。在文章结尾处，概述数字识别技术在未来生活及科技方面的广阔应用前景，最后对全文作出总结......”。

5、“.....关键词流形学习数字识别模糊均值基于的手写体数字聚类研究，基于的手写体数字聚类研究目录中文摘要英文摘要目录第章绪论手写数字聚类的目的和意义手写数字聚类的国内外发展和现状本文的主要工作第二章流形学习的基本原理流形学习基本原理算法描述的优点流形学习主要应用第三章聚类方法介绍算法模糊均值算法描述第四章基于的手写体聚类原理描述聚类实验流程降维实验介绍降维结果分析模糊均值实验基于的手写体数字聚类研究第五章总结与展望致谢参考文献基于的手写体数字聚类研究第章绪论手写数字聚类的目的和意义手写数字聚类属于模式识别学科，是科研的重点对象且应用广泛，在现实生活中模式识别的应用更是无将维数设置为维......”。

6、“.....每个数据组的大小为，实验的结果通过绘图显示出来如下图基于的手写体数字聚类研究从图中可以看得出来，数据的聚类效果是显而易见的，不同颜色代表不同的数据，不同颜色分布在不同的位置，层次分明，偶见个别颜色较分散，相同颜色的标志越集中说明这类别的聚类效果好，换到表面上来说就是同个数字识别准确率高而相同颜色比较分散的则说明聚类效果差，也就是说对于个随机样本数字到，其中的个数字，识别出来的数量远不到。由于是三维的图形，我们现在看到的角度标志都重叠，不便于分析，我们换个视角，可以从空间上观察数据的分布结构。图图从图中可以发现聚集在起的数据分布的也相对分散，占用的空间较大，不够紧密，初步估计实验结果不是很理想......”。

7、“.....我计算了实验报基于的手写体数字聚类研究表中聚类的值，通过计算聚类后的数据占理论上应该的数据值百分比，得出聚类的平均率约为，这个率显然是不能满足生活需要的，几乎达到的率，严谨的说这个实验中用到的方法对现实生活毫无意义，没有任何利用价值，迫切需要改进。方法改进为了找出率高的症结，接下来我又做了几组不同的实验，对原有的实验方法改进了下，通过改变维数和近邻参数，对降维方法做个横向的对比，我们可以看下他们各个的图形直观效果图表示采用的降维方法，每组个数据，维数，整体上效果和第组实验效果差别不是很大。计算出来的率是，我们发现他聚类效果未升反降。原有的实验维数是维，接着我又把维数改成了和......”。

8、“.....把分别取我们提升聚类正确率有价值的方法就是增加维数以及增加数据量。表不同参数率数据量为不同参数率基于的手写体数字聚类研究表不同维数率数据量为降维数据而由表我们发现了个反常的规律，那就是把数据量加到的时候，率不再随着维数的增加而降低，正相反率增加了，增幅不是很大，这让我对数据量为的时候得出的结论产生了怀疑。降维结果分析是本实验的另种降维方法，它的调用格式为，其中是输入的样本，是选择主成分的个数，是所用的方法，如是变换的坐标矩阵，是特征值，是降维的结果。通过更改维数每组的数据量做了系列实验，然后得到聚类的率......”。

9、“.....通过对比图表和图表可以看出降维的结果和降维的整体趋势是相同的，细节上的率整体比的高，因此我更倾向于，这也验证了前辈们总结的非线性降维比线性降维效果要好。补充点，前面系列的实验采用的都是硬聚类算法，我直猜想这个会不会对实验结果有影响，因此我又准备做采用模糊均值的聚类方法，但是实验完成以后，遇到了个难题，直无法计算出结果。表示近邻参数为，其他的含义同。图的效果直观，但具体的聚类效果还需要数据来反映，结合的率，为三维即的，的率为，率为，可以发现随着维数由维到维，率是递减的，维的率较维的下降了近。经过推测我认为应该是数据量太少的原因，得到的结果不具有代表性......”。