| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·手写字符识别简介 | 第8-10页 |
| ·文献探讨 | 第10-14页 |
| ·特征抽取法则 | 第10-12页 |
| ·分类学习算法 | 第12-13页 |
| ·多分类器混合 | 第13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文研究内容 | 第14-15页 |
| 第二章 预处理和特征抽取法则 | 第15-21页 |
| ·MNIST 手写数字数据库 | 第15页 |
| ·手写数字识别预处理 | 第15-19页 |
| ·二值化 | 第16页 |
| ·空白切割 | 第16-18页 |
| ·归一化 | 第18-19页 |
| ·特征抽取法则 | 第19-21页 |
| 第三章 量子神经网络 | 第21-41页 |
| ·量子神经网络模型 | 第21-24页 |
| ·训练算法 | 第24-29页 |
| ·调整量子神经网络权值的训练算法 | 第25-27页 |
| ·量子间隔调整算法 | 第27-29页 |
| ·量子神经网络用于模式识别的优越性 | 第29-41页 |
| ·理论分析 | 第29-33页 |
| ·实验说明 | 第33-38页 |
| ·小结 | 第38-41页 |
| 第四章 手写体数字识别实验研究 | 第41-53页 |
| ·实验方法 | 第41页 |
| ·基于量子神经网络的手写数字识别系统(MLQNN) | 第41-45页 |
| ·系统结构设计 | 第41-44页 |
| ·识别系统工作流程 | 第44-45页 |
| ·实验结果与分析 | 第45-53页 |
| ·实验过程与结果统计 | 第45-49页 |
| ·实验结果分析 | 第49-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 攻读硕士学位期间发表的论文 | 第59页 |