BP神经网络与支持向量机二级识别手写体数字的任务书任务目的：通过比较BP神经网络和支持向量机在手写体数字二级识别任务中的性能表现，分析两种算法的优缺点和适用场景。任务内容：1.数据集准备：使用MNIST手写数字数据集进行实验。将数据集分为训练集和测试集，比例为8:2。2.算法实现：分别使用BP神经网络和支持向量机完成手写体数字的二级识别任务。3.模型训练：采用训练集对模型进行训练，并记录训练过程中的损失函数值和分类准确率。4.模型测试：使用测试集对模型进行测试，记录模型的分类准确率和混淆矩阵，比较两种算法的性能表现。5.算法分析：分析BP神经网络和支持向量机在手写体数字识别任务中的优缺点和适用场景，结合实验结果进行讨论。任务要求：1.使用Python或者Matlab编写算法程序，保证程序的正确性和高效性。2.数据集的选择和数据预处理要合理，确保模型训练的充分性和测试的有效性。3.实验结果要合理可靠，并进行科学分析和讨论。参考文献：1.LecunY,BottouL,BengioY,etal.Gradient-basedlearningappliedtodocumentrecognition[J].ProceedingsoftheIEEE,1998,86(11):2278-2324.2.ChenQY,LiYH,ShaoHX.AnImprovedRadialBasisFunctionNeuralNetworkforHandwrittenDigitRecognition[M]//AdvancesinComputationalIntelligence.SpringerInternationalPublishing,2017:3-13.3.CortesC,VapnikV.Support-vectornetworks[J].Machinelearning,1995,20(3):273-297.