| 第一章 引言 | 第1-9页 |
| 1．1 背景介绍 | 第7-8页 |
| 1．2 本文的主要创新点 | 第8页 |
| 1．3 本文章节划分 | 第8-9页 |
| 第二章 信息粒及粒计算 | 第9-16页 |
| 2．1 概述 | 第9-10页 |
| 2．2 粒计算的研究现状 | 第10-15页 |
| 2．2．1 以模糊集理论、邻域观点研究信息粒 | 第10-11页 |
| 2．2．2 以逻辑观点研究信息粒的划分以及粒度分解和合并 | 第11页 |
| 2．2．3 以代数格划分信息粒并通过映射研究不同层上粒度之间的关系 | 第11-12页 |
| 2．2．4 以包含度、Mercology概念研究粒计算 | 第12-14页 |
| 2．2．5 基于古数学中“黄金分割”的粒计算 | 第14页 |
| 2．2．6 在粒计算意义下的Rough集 | 第14-15页 |
| 2．3 展望 | 第15-16页 |
| 第三章 脱机手写字符识别 | 第16-22页 |
| 3．1 概述 | 第16-17页 |
| 3．2 脱机手写识别 | 第17-19页 |
| 3．2．1 模板匹配法 | 第17-18页 |
| 3．2．2 统计特征 | 第18页 |
| 3．2．3 结构特征 | 第18-19页 |
| 3．3 当前的研究热点 | 第19-22页 |
| 3．3．1 预处理技术 | 第19页 |
| 3．3．2 特征抽取与分析 | 第19-20页 |
| 3．3．3 识别字典的生成与分类器的设计 | 第20页 |
| 3．3．4 多方案集成 | 第20-22页 |
| 第四章 基于粒计算的脱机手写识别信息系统 | 第22-27页 |
| 4．1 引言 | 第22页 |
| 4．2 脱机手写识别信息粒系统 | 第22-23页 |
| 4．3 邻域拓展 | 第23-25页 |
| 4．4 约简 | 第25-27页 |
| 第五章 基于粒计算的G-MAXNET网络分类器模型 | 第27-31页 |
| 5．1 分类器模型的提出的背景 | 第27页 |
| 5．2 G-MAXNET全局决策规则网络分类器模型 | 第27-30页 |
| 5．3 脱机手写识别文字的算法描述 | 第30-31页 |
| 第六章 基于粒计算的脱机手写阿拉伯数字识别的实验 | 第31-41页 |
| 6．1 实验一:使用原始的决策规则模版信息粒的分类器 | 第31-35页 |
| 6．2 实验二:使用邻域拓展的决策规则模版信息粒的分类器 | 第35-37页 |
| 6．3 实验三:使用进行了约简的决策规则模版信息粒的分类器 | 第37-38页 |
| 6．4 结论 | 第38-41页 |
| 第七章 结束语 | 第41-42页 |
| 7．1 论文总结 | 第41页 |
| 7．2 论文研究成果 | 第41-42页 |
| 7．3 有待于进一步解决的问题 | 第42页 |
| 附录一 实验数据库截图 | 第42-43页 |
| 附录二 试验系统截图 | 第43页 |
| 附录三 部分实验代码 | 第43-48页 |
| 附录四 攻读硕士学位期间发表的文章 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
