| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究手写识别的意义 | 第7-8页 |
| ·汉字识别的研究现状 | 第8-10页 |
| ·汉字识别的研究范围 | 第8-9页 |
| ·汉字识别研究现状 | 第9-10页 |
| ·汉字识别系统的构成和识别方法 | 第10-12页 |
| ·本文的主要内容 | 第12-13页 |
| 第二章 联机手写汉字识别 | 第13-27页 |
| ·联机手写汉字识别(OLCCR)概述 | 第13页 |
| ·联机手写汉字识别发展和应用趋势 | 第13-15页 |
| ·联机手写汉字识别的发展 | 第13-14页 |
| ·联机手写汉字识别的应用趋势 | 第14-15页 |
| ·联机手写汉字识别的困难 | 第15-17页 |
| ·联机手写汉字识别的基本流程 | 第17-25页 |
| ·相关概念 | 第17-18页 |
| ·预处理 | 第18-20页 |
| ·特征提取 | 第20-22页 |
| ·特征匹配 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 人工神经网络及其在汉字识别领域的应用 | 第27-39页 |
| ·人工神经网络的概述 | 第27-30页 |
| ·什么是神经网络 | 第27页 |
| ·神经网络发展概述 | 第27-28页 |
| ·神经网络的主要特点 | 第28-29页 |
| ·神经网络的应用 | 第29-30页 |
| ·人工神经网络的基本模型和结构 | 第30-34页 |
| ·人工神经网络的基本模型 | 第30-32页 |
| ·人工神经网络的结构 | 第32-34页 |
| ·人工神经网络的工作方式 | 第34-36页 |
| ·神经网络的学习 | 第34-35页 |
| ·神经网络的学习规则 | 第35-36页 |
| ·人工神经网络在汉字识别领域的应用 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于Hopfield 神经网络的联机手写识别技术 | 第39-49页 |
| ·Hopfield 神经网络概述 | 第39-40页 |
| ·离散型Hopfield 神经网络(DHNN) | 第40-46页 |
| ·DHNN 模型描述 | 第40-42页 |
| ·DHNN 工作方式 | 第42页 |
| ·DHNN 稳定性分析 | 第42-43页 |
| ·DHNN 网络设计 | 第43-46页 |
| ·神经网络模式识别对预处理的基本要求 | 第46-47页 |
| ·基于Hopfield 神经网络的联机手写识别算法与实现 | 第47-48页 |
| ·本章总结 | 第48-49页 |
| 第五章 基于Hopfield 神经网络的联机手写识别系统实现 | 第49-67页 |
| ·神经网络的软件实现 | 第49-51页 |
| ·软件运行的若干问题 | 第49-50页 |
| ·神经网络的开发环境 | 第50-51页 |
| ·基于BP 神经网络的手写识别 | 第51-54页 |
| ·基于Hopfield 神经网络的手写识别 | 第54-59页 |
| ·建立Hopfield 网络 | 第54页 |
| ·运行Hopfield 网络 | 第54-58页 |
| ·系统的性能测试 | 第58-59页 |
| ·用于手写识别的Hopfield 网络与BP 网络的对比 | 第59-63页 |
| ·网络结构的对比 | 第59页 |
| ·网络建立的对比 | 第59-60页 |
| ·网络识别效果的对比 | 第60-63页 |
| ·基于Hopfield 神经网络的联机手写识别系统实现 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论和展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
