| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第一章 引言 | 第8-18页 |
| ·汉字识别的背景与意义 | 第8-9页 |
| ·汉字识别的分类 | 第9-11页 |
| ·联机汉字识别 | 第9-10页 |
| ·脱机汉字识别 | 第10-11页 |
| ·脱机手写汉字识别的发展历史与成果 | 第11-13页 |
| ·脱机手写汉字识别的一般流程 | 第13-14页 |
| ·预处理 | 第13页 |
| ·特征提取 | 第13-14页 |
| ·识别 | 第14页 |
| ·脱机手写汉字识别中存在的问题与困难 | 第14-15页 |
| ·当前的研究热点 | 第15-16页 |
| ·论文的主要工作与内容安排 | 第16-18页 |
| 第二章 汉字识别方法综述 | 第18-33页 |
| ·汉字归一化方法综述 | 第18-20页 |
| ·汉字的细化方法综述 | 第20-22页 |
| ·汉字识别特征提取方法综述 | 第22-29页 |
| ·基于结构的特征提取方法 | 第22-25页 |
| ·基于统计的特征提取方法 | 第25-29页 |
| ·汉字的识别方法综述 | 第29-33页 |
| ·模板匹配方法 | 第29-30页 |
| ·人工神经网络方法 | 第30-31页 |
| ·隐含马尔可夫模型 | 第31页 |
| ·支持向量机 | 第31-33页 |
| 第三章 仿生模式识别与多权值神经元网络原理 | 第33-49页 |
| ·仿生模式识别原理简介 | 第34-36页 |
| ·仿生模式识别的数学工具—高维空间几何分析理论 | 第36-43页 |
| ·神经元的高维空间几何对应 | 第36-37页 |
| ·高维空间几何的基本分析方法与定理证明 | 第37-43页 |
| ·仿生模式识别的实现方法—多权值神经元人工神经网络 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 一种基于结构和统计相结合的特征提取方法 | 第49-71页 |
| ·汉字的预处理 | 第51-54页 |
| ·边缘检测 | 第51-53页 |
| ·图像的归一化 | 第53-54页 |
| ·基于方向码和模糊网格的特征提取 | 第54-68页 |
| ·四方向码子图分解 | 第54-62页 |
| ·模糊网格构造 | 第62-64页 |
| ·模糊网格特征提取 | 第64-68页 |
| ·识别比较 | 第68-69页 |
| ·最近邻法原理 | 第68页 |
| ·实验结果 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第五章 基于仿生模式识别的脱机手写体汉字识别 | 第71-81页 |
| ·基于仿生模式识别的脱机手写汉字识别方法实现 | 第71-74页 |
| ·支持向量机用于脱机手写汉字识别 | 第74-78页 |
| ·实验结果与分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-85页 |
| ·总结 | 第81-82页 |
| ·对进一步工作的展望 | 第82-83页 |
| ·结束语 | 第83-85页 |
| 参考文献 | 第85-92页 |
| 附录 | 第92-93页 |
| 致谢 | 第93-94页 |