| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 脱机手写汉字识别研究现状 | 第12-20页 |
| 1.3.1 传统手写汉字识别的过程 | 第13-14页 |
| 1.3.2 手写汉字识别的研究现状 | 第14-19页 |
| 1.3.3 手写汉字识别的研究难点 | 第19-20页 |
| 1.4 本文主要工作及结构安排 | 第20-22页 |
| 1.4.1 主要工作 | 第20-21页 |
| 1.4.2 结构安排 | 第21-22页 |
| 第二章 卷积神经网络及深度学习理论 | 第22-31页 |
| 2.1 引言 | 第22-24页 |
| 2.2 多层感知机（MLP） | 第24-25页 |
| 2.3 深信度网络（DBNS） | 第25-27页 |
| 2.4 卷积神经网络（CNNS） | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于 CNNs 模型的相似手写汉字识别 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 神经网络基础理论和卷积神经网络研究现状 | 第31-34页 |
| 3.2.1 神经网络基础理论 | 第31-34页 |
| 3.2.2 卷积神经网络研究现状 | 第34页 |
| 3.3 基于弹性形变的样本扩展方法 | 第34-35页 |
| 3.4 基于卷积神经网络的相似手写汉字 | 第35-41页 |
| 3.4.1 CNNs 模型基本结构介绍 | 第36-38页 |
| 3.4.2 CNNs 模型对相似手写汉字识别的实验 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 用于手写汉字识别的 CNNs 模型的学习方法的提升与改进 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 通过 GPU 加速训练的深层网络模型简介 | 第43-45页 |
| 4.3 基本 CNNs 模型对汉字类别的识别性能测试 | 第45-48页 |
| 4.4 CNNs 模型的一种类别累增的训练方式 | 第48-53页 |
| 4.4.1 一种类别累增的训练方式的提出 | 第48-49页 |
| 4.4.2 实验：一种类别累增的训练方式的实验测试 | 第49-52页 |
| 4.4.3 结论分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |
