| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题研究的目的和意义 | 第7-8页 |
| ·论文选题在该领域国内外研究现状 | 第8-12页 |
| ·手写识别系统研究现状 | 第8-10页 |
| ·Hopfield 神经网络及小波技术研究发展现状 | 第10-12页 |
| ·主要研究内容 | 第12-14页 |
| 第二章 脱机手写数字识别 | 第14-29页 |
| ·脱机手写数字识别的研究重点 | 第14-15页 |
| ·图像干扰的预处理过程及算法 | 第15-16页 |
| ·图像增强 | 第15页 |
| ·二值化 | 第15-16页 |
| ·细化 | 第16页 |
| ·归一化 | 第16页 |
| ·倾斜矫正及其算法 | 第16-18页 |
| ·传统的hough 变换 | 第17页 |
| ·改进的倾斜矫正算法 | 第17-18页 |
| ·基于改进的中值滤波的图像处理算法 | 第18-20页 |
| ·小波变换的理论基础 | 第20-24页 |
| ·连续小波变换的定义及性质 | 第20-23页 |
| ·塔式快速小波算法（Mallat 算法） | 第23-24页 |
| ·图像的小波变换算法 | 第24-28页 |
| ·字符小波特征提取方法的提出 | 第24-25页 |
| ·图像字符小波特征向量的构造及提取 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于 Hopfield 的脱机手写数字识别理论及算法 | 第29-39页 |
| ·人工神经网络 | 第29-33页 |
| ·神经元模型 | 第29-30页 |
| ·人工神经网络模型 | 第30-31页 |
| ·神经网络的学习 | 第31-33页 |
| ·Hopfield 神经网络 | 第33-35页 |
| ·离散型Hopfield 神经网络（DHNN）的工作方式 | 第34页 |
| ·Hopfield 神经网络连接权值的设计方法 | 第34-35页 |
| ·神经网络模式识别对预处理的基本要求 | 第35-36页 |
| ·基于 Hopfield 神经网络的手写数字识别系统流程图 | 第36-37页 |
| ·基于 Hopfield 神经网络手写数字识别算法及实现步骤 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于 Hopfield 神经网络的脱机手写数字识别过程与实现 | 第39-48页 |
| ·基于 Hopfield 神经网络的脱机手写数字识别过程 | 第39页 |
| ·基于识别的手写数字串分割 | 第39-42页 |
| ·手写数字串的分割方法 | 第39-40页 |
| ·基于识别的分割实现 | 第40-41页 |
| ·确定分割候选者 | 第41页 |
| ·分类器的选择 | 第41-42页 |
| ·训练数据的分析及对于反例样本的训练方法 | 第42页 |
| ·选择最佳组合的动态规划策略 | 第42-43页 |
| ·脱机手写数字识别的实现 | 第43-47页 |
| ·测试平台 | 第44-45页 |
| ·测试结果和分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结及展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第53页 |
