| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-12页 |
| 1.1 手写数字识别研究的背景和意义 | 第6-7页 |
| 1.2 手写数字识别研究的发展和现状 | 第7页 |
| 1.3 手写数字识别研究的原理和方法 | 第7-10页 |
| 1.3.1 统计模式识别 | 第7-8页 |
| 1.3.2 结构模式识别 | 第8-9页 |
| 1.3.3 人工神经网络 | 第9页 |
| 1.3.4 支持向量机 | 第9-10页 |
| 1.4 论文结构 | 第10-12页 |
| 第二章 版面处理技术 | 第12-20页 |
| 2.1 图像灰度化 | 第12-13页 |
| 2.2 图像二值化 | 第13-14页 |
| 2.2.1 整体阈值二值化法 | 第13-14页 |
| 2.2.2 局部阈值法 | 第14页 |
| 2.2.3 动态阈值法 | 第14页 |
| 2.3 平滑去噪 | 第14-17页 |
| 2.3.1 均值滤波 | 第15页 |
| 2.3.2 中值滤波 | 第15-16页 |
| 2.3.3 小波去噪 | 第16-17页 |
| 2.4 数字分割 | 第17页 |
| 2.5 图像归一化 | 第17-18页 |
| 2.6 图像细化 | 第18-20页 |
| 第三章 手写数字特征提取 | 第20-26页 |
| 3.1 概述 | 第20页 |
| 3.2 结构特征 | 第20-22页 |
| 3.2.1 投影特征 | 第21页 |
| 3.2.2 笔画密度特征 | 第21页 |
| 3.2.3 结构点特征 | 第21-22页 |
| 3.3 统计特征 | 第22-26页 |
| 3.3.1 重心及重心矩特征 | 第22页 |
| 3.3.2 粗网格特征 | 第22-23页 |
| 3.3.3 傅里叶变换特征 | 第23-26页 |
| 第四章 改进的优先度排序神经网络模型 | 第26-36页 |
| 4.1 人工神经网络概述 | 第26-27页 |
| 4.1.1 人工神经网络的简介 | 第26-27页 |
| 4.1.2 人工神经网络的结构 | 第27页 |
| 4.2 排序学习前向掩蔽模型 | 第27-30页 |
| 4.2.1 通用前馈网络(GFNN)模型 | 第27-29页 |
| 4.2.2 排序学习前向掩蔽模型 | 第29-30页 |
| 4.3 改进的优先度排序神经网络算法 | 第30-36页 |
| 4.3.1 优先度排序神经网络结构 | 第30-32页 |
| 4.3.2 网络设计原理 | 第32页 |
| 4.3.3 网络设计算法的改进 | 第32-36页 |
| 第五章 基于优先度排序神经网络的手写数字识别器设计 | 第36-52页 |
| 5.1 MNIST数据库的扩充 | 第36-40页 |
| 5.1.1 MNIST数据库 | 第36-37页 |
| 5.1.2 MNIST库的扩充 | 第37-40页 |
| 5.2 基于优先度排序神经元网络的手写数字识别器 | 第40-49页 |
| 5.3 使用手写数字识别器的步骤 | 第49-50页 |
| 5.4 对比实验结果及分析 | 第50-52页 |
| 结束语 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间的研究成果 | 第58-60页 |
| 致谢 | 第60-61页 |