| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| ·模式识别 | 第8页 |
| ·手写数字识别的综述 | 第8-12页 |
| ·手写数字识别的研究背景和研究意义 | 第8-9页 |
| ·手写数字识别的难点 | 第9-10页 |
| ·学习和测试样本库的选择 | 第10页 |
| ·识别系统性能的评价 | 第10-11页 |
| ·手写数字的识别方法 | 第11页 |
| ·基于手写数字识别的典型应用 | 第11-12页 |
| ·手写数字识别技术展望 | 第12页 |
| ·本文的讨论内容和重点 | 第12-13页 |
| 第二章 特征提取 | 第13-26页 |
| ·特征提取概述 | 第13-15页 |
| ·手写体字符特征提取方法概述 | 第15-17页 |
| ·结构特征提取方法 | 第16页 |
| ·统计特征提取方法 | 第16-17页 |
| ·手写数字识别的特征提取中所使用的模板说明 | 第17-19页 |
| ·手写数字识别中的特征提取 | 第19-26页 |
| ·笔划密度特征 | 第19页 |
| ·傅立叶变换特征 | 第19-21页 |
| ·轮廓特征 | 第21-22页 |
| ·投影特征 | 第22-24页 |
| ·重心及重心矩特征 | 第24页 |
| ·首个黑点位置特征 | 第24页 |
| ·粗网格特征 | 第24-26页 |
| 第三章 特征选择 | 第26-49页 |
| ·问题的提出 | 第26-28页 |
| ·基于单个特征优劣的分类准则函数 | 第28-35页 |
| ·类内类间比函数 | 第28-31页 |
| ·K-W检验 | 第31-33页 |
| ·利用不确定性选择特征 | 第33-35页 |
| ·检验手写数字样本特征集 | 第35-49页 |
| ·使用样本库说明 | 第35-37页 |
| ·实验方法说明 | 第37-41页 |
| ·实验结果说明 | 第41-45页 |
| ·实验结果分析 | 第45-49页 |
| 第四章 神经网络概述 | 第49-57页 |
| ·人工神经网络概述 | 第49-52页 |
| ·人工神经网络发展概述 | 第49-50页 |
| ·人工神经网络的概念 | 第50-51页 |
| ·人工神经网络的特性 | 第51-52页 |
| ·BP神经网络 | 第52-57页 |
| ·BP网络的概述 | 第52-53页 |
| ·BP算法的数学基础 | 第53-57页 |
| 第五章 BP神经网络用于手写数字识别 | 第57-68页 |
| ·基于BP神经网络的手写体数字识别系统的结构及流程 | 第57-58页 |
| ·数字识别预处理技术 | 第58-59页 |
| ·输入环节 | 第58页 |
| ·预处理 | 第58-59页 |
| ·特征提取和分析 | 第59页 |
| ·BP神经网络的结构和拓扑 | 第59-60页 |
| ·输入层和输出层 | 第59页 |
| ·隐含层 | 第59-60页 |
| ·BP神经网络的学习和训练 | 第60-63页 |
| ·BP算法的实现步骤 | 第60-61页 |
| ·BP网络的学习和训练 | 第61-63页 |
| ·系统识别结果 | 第63-66页 |
| ·关于特征提取和特征选择的进一步讨论 | 第66-68页 |
| 结束语 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |