| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·手写数字模式识别及分类的研究背景 | 第8-10页 |
| ·模式识别及分类的应用 | 第10页 |
| ·人工神经网络的发展及应用 | 第10-12页 |
| ·手写数字识别的应用、意义以及技术分析 | 第12-15页 |
| ·手写数字识别的应用 | 第12-13页 |
| ·手写数字识别的意义 | 第13页 |
| ·阿拉伯数字的基本特点及手写识别的技术难点 | 第13-14页 |
| ·脱机手写体字符识别研究分析 | 第14-15页 |
| 2 手写数字识别原理及算法---图像预处理、特征提取 | 第15-26页 |
| ·手写数字图像预处理 | 第15-21页 |
| ·图像输入 | 第16页 |
| ·去噪处理 | 第16-18页 |
| ·图像二值化处理技术 | 第18页 |
| ·切割 | 第18-19页 |
| ·细化 | 第19页 |
| ·归一化 | 第19-21页 |
| ·特征提取 | 第21-26页 |
| ·主成分分析的主要思想与数学模型 | 第22-24页 |
| ·手写数字样本特征提取步骤分析 | 第24-26页 |
| 3 手写数字识别原理及算法---分类器的原理及设计 | 第26-37页 |
| ·BP分类器的原理及设计 | 第26-29页 |
| ·BP神经网络原理 | 第26-28页 |
| ·BP神经网络分类器设计 | 第28-29页 |
| ·径向基网络的设计 | 第29-33页 |
| ·径向基函数及其网络结构分析 | 第29-32页 |
| ·RBF分类器设计 | 第32-33页 |
| ·霍普费尔德 | 第33-36页 |
| ·离散Hopfield网络拓扑结构 | 第33-34页 |
| ·离散Hopfield网络分类器的设计 | 第34-36页 |
| ·概率神经网络 | 第36-37页 |
| ·概率神经网络的基本概念 | 第36页 |
| ·概率神经网络分类器的设计 | 第36-37页 |
| 4 手写数字识别过程及结果分析 | 第37-53页 |
| ·数字图片获取 | 第37-38页 |
| ·手写数字图像预处理 | 第38-40页 |
| ·特征提取 | 第40-44页 |
| ·分类器的训练及结果分析 | 第44-51页 |
| ·BP分类器的训练以及识别结果分析 | 第45-48页 |
| ·RBF分类器的训练及识别结果分析 | 第48-50页 |
| ·PNN网络分类器的训练及识别结果分析 | 第50-51页 |
| ·小结 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第60页 |