| 目录 | 第1-9页 |
| 第一章 绪论 | 第9-13页 |
| ·手写体数字识别研究的发展及研究现状 | 第9-10页 |
| ·神经网络的在手写体数字识别中的应用 | 第10-11页 |
| ·本论文所做的工作 | 第11-13页 |
| 第二章 神经网络与模式识别 | 第13-33页 |
| ·人工神经网络简述 | 第13-16页 |
| ·发展简史 | 第13-15页 |
| ·基本原理 | 第15-16页 |
| ·神经网络的结构和学习规则 | 第16-19页 |
| ·神经网络的联接形式 | 第16-18页 |
| ·神经网络的学习和训练 | 第18页 |
| ·神经网络的学习规则 | 第18-19页 |
| ·前向多层网络 | 第19-26页 |
| ·前向多层网络的结构及其BP学习算法 | 第19-24页 |
| ·BP算法的改进算法 | 第24-26页 |
| ·模式识别简述 | 第26-27页 |
| ·模式识别方法概述 | 第27-30页 |
| ·统计法:原理、特点、系统构成 | 第27-29页 |
| ·结构法:原理、特点、系统构成 | 第29-30页 |
| ·神经网络模式识别 | 第30-33页 |
| 第三章 手写体数字识别 | 第33-41页 |
| ·字符识别概述 | 第33页 |
| ·手写体数字识别 | 第33-34页 |
| ·模式的预处理 | 第34-35页 |
| ·消除稳态分量 | 第34页 |
| ·模式样本的规一化处理 | 第34页 |
| ·模式样本的平滑与分块 | 第34-35页 |
| ·模式的特征提取 | 第35页 |
| ·手写体数字识别预处理 | 第35-36页 |
| ·手写体数字识别的基本步骤 | 第36页 |
| ·手写体数字识别的常规预处理步骤 | 第36-39页 |
| ·数值化 | 第36-37页 |
| ·二值化 | 第37页 |
| ·字符切分 | 第37页 |
| ·平滑 | 第37-38页 |
| ·规格化 | 第38页 |
| ·细化 | 第38-39页 |
| ·手写体数字特征提取 | 第39-41页 |
| ·点特征的提取 | 第39-40页 |
| ·结构特征提取 | 第40-41页 |
| 第四章 基于BP神经网络的手写体数字识别的算法实现 | 第41-53页 |
| ·神经网络模式识别对预处理的基本要求 | 第41页 |
| ·新的预处理方法及识别的基本过程 | 第41-46页 |
| ·样本数据获取 | 第41-43页 |
| ·预处理 | 第43-44页 |
| ·识别的基木过程 | 第44-46页 |
| ·实验中几个问题的讨论 | 第46-53页 |
| ·神经网络结构 | 第46-48页 |
| ·神经网络训练平台介绍 | 第48-53页 |
| 第五章 结束语 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |