| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 概述 | 第9-10页 |
| 1.2 手写字符识别中神经网络的作用 | 第10-12页 |
| 1.2.1 神经网络的特点 | 第10-11页 |
| 1.2.2 神经网络在手写字符识别中的作用 | 第11-12页 |
| 1.3 国内外研究现状及存在的问题 | 第12-14页 |
| 1.4 本论文所做的工作 | 第14-15页 |
| 第2章 模式识别概述 | 第15-20页 |
| 2.1 模式识别的基本概念 | 第15-17页 |
| 2.1.1 模式识别系统 | 第15-16页 |
| 2.1.2 统计模式识别研究的主要问题 | 第16-17页 |
| 2.2 分类器设计 | 第17-19页 |
| 2.2.1 分类器设计的基本方法 | 第17-19页 |
| 2.2.2 训练与学习 | 第19页 |
| 2.3 模式识别的应用 | 第19-20页 |
| 第3章 神经网络概述 | 第20-36页 |
| 3.1 神经网络简述 | 第20-28页 |
| 3.1.1 神经网络的发展历程 | 第21-24页 |
| 3.1.2 神经网络的基本原理 | 第24-28页 |
| 3.2 人工神经网络用于模式识别的优势 | 第28-30页 |
| 3.2.1 人工神经网络的特点 | 第28-30页 |
| 3.2.2 人工神经网络的优势 | 第30页 |
| 3.3 BP神经网络 | 第30-36页 |
| 3.3.1 BP神经网络的拓扑结构 | 第31-33页 |
| 3.3.2 设计BP神经网络的方法 | 第33-34页 |
| 3.3.3 BP神经网络的训练 | 第34-36页 |
| 第4章 手写字符识别中的预处理技术及特征选择与提取 | 第36-49页 |
| 4.1 手写字符识别中的预处理技术 | 第36-44页 |
| 4.1.1 预处理中的平滑、去噪技术 | 第36-39页 |
| 4.1.2 预处理中的二值化 | 第39-41页 |
| 4.1.3 预处理中的归一化 | 第41-43页 |
| 4.1.4 预处理中的细化 | 第43-44页 |
| 4.2 手写字符识别中的特征选择 | 第44-45页 |
| 4.3 手写字符识别中的特征提取 | 第45-49页 |
| 4.3.1 逐像素特征提取法 | 第46页 |
| 4.3.2 骨架特征提取法 | 第46-47页 |
| 4.3.3 垂直方向数据统计特征提取法 | 第47页 |
| 4.3.4 13特征点提取法 | 第47-49页 |
| 第5章 基于神经网络的手写字符识别系统 | 第49-55页 |
| 5.1 手写字符识别系统的预处理部分 | 第49页 |
| 5.2 手写字符识别系统的特征提取部分 | 第49页 |
| 5.3 基于神经网络的手写字符识别系统的构建 | 第49-51页 |
| 5.4 手写字符识别系统的实验结果与分析 | 第51-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |