| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·本课题研究的目的和意义 | 第9-10页 |
| ·手写体数字识别简介 | 第10-13页 |
| ·手写体数字识别研究的历史与现状 | 第10-12页 |
| ·手写体数字识别的难点和所面临的挑战 | 第12-13页 |
| ·本课题研究工作概述 | 第13页 |
| ·论文结构和内容 | 第13-14页 |
| 第二章 手写体数字的特征提取 | 第14-19页 |
| ·概述 | 第14-15页 |
| ·手写体数字的特征提取 | 第15-19页 |
| ·矩心特征的提取 | 第15页 |
| ·像素分布特征的提取 | 第15-16页 |
| ·轮廓特征的提取 | 第16-17页 |
| ·投影特征的提取 | 第17页 |
| ·离散 Fourier变换特征的提取 | 第17-19页 |
| 第三章 BP神经网络理论基础 | 第19-27页 |
| ·概述 | 第19页 |
| ·神经网络分类器 | 第19-22页 |
| ·人工神经网络简介 | 第19-20页 |
| ·人工神经元 | 第20-21页 |
| ·人工神经元网络 | 第21-22页 |
| ·BP神经网络分类器 | 第22-27页 |
| ·BP算法基础 | 第22-25页 |
| ·BP算法流程 | 第25-26页 |
| ·BP算法分析 | 第26-27页 |
| 第四章 支持向量机理论基础 | 第27-41页 |
| ·概述 | 第27页 |
| ·支持向量机简介 | 第27-31页 |
| ·序贯最小优化(SMO)算法 | 第31-41页 |
| ·SMO算法基础 | 第32-35页 |
| ·计算阈值 | 第35页 |
| ·线性支持向量机优化 | 第35页 |
| ·SMO算法伪码 | 第35-38页 |
| ·同以前算法的关系 | 第38-39页 |
| ·结论 | 第39-41页 |
| 第五章 基于 BP神经网络与支持向量机的二级手写体数字识别系统 | 第41-57页 |
| ·引言 | 第41页 |
| ·训练测试样本集的建立 | 第41-43页 |
| ·系统结构 | 第43-57页 |
| ·设计概述 | 第43-45页 |
| ·特征提取 | 第45-46页 |
| ·BP神经网络分类器设计 | 第46-49页 |
| ·支持向量机分类器分析 | 第49-53页 |
| ·支持向量机分类器设计 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文工作总结 | 第57页 |
| ·今后工作的展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |