| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 手写体字符识别研究现状 | 第12-13页 |
| 1.3 论文主要研究内容及写作框架 | 第13-14页 |
| 第二章 模式识别与神经网络概述 | 第14-25页 |
| 2.1 模式识别概述 | 第14-19页 |
| 2.1.1 模式识别的基本概念 | 第14-15页 |
| 2.1.2 模式识别的基本方法 | 第15-17页 |
| 2.1.3 模式识别的应用 | 第17-19页 |
| 2.2 神经网络概述 | 第19-22页 |
| 2.3 BP神经网络 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 极限学习机 | 第25-32页 |
| 3.1 最小二乘法 | 第25-26页 |
| 3.2 Moore-Penrose广义逆矩阵 | 第26页 |
| 3.3 极限学习机 | 第26-30页 |
| 3.4 极限学习机的应用及研究现状 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 极限学习机优化算法实现手写体字符识别 | 第32-41页 |
| 4.1 正则极限学习机实现手写体字符识别方法设计 | 第32-37页 |
| 4.2 傅里叶变换优化极限学习机实现手写体字符识别方法设计 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 基于极限学习机的手写体字符识别实验设计 | 第41-54页 |
| 5.1 手写体字符识别样本选择 | 第41-43页 |
| 5.2 样本预处理 | 第43页 |
| 5.3 手写体字符样本特征提取 | 第43-46页 |
| 5.3.1 灰度特征提取 | 第43-45页 |
| 5.3.2 投影特征提取 | 第45-46页 |
| 5.4 手写体字符样本特征选择与降维 | 第46-47页 |
| 5.5 手写体字符识别实验过程实验设计与仿真 | 第47-53页 |
| 5.5.1 基于BP神经网络的手写体数字字符识别算法仿真 | 第47-48页 |
| 5.5.2 基于极限学习机的手写体数字字符识别算法仿真 | 第48-52页 |
| 5.5.3 正则极限学习机算法实现手写体数字字符识别算法仿真 | 第52-53页 |
| 5.5.4 DFT-ELM算法实现手写体数字字符识别算法仿真 | 第53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 手写体字符识别算法仿真结果与分析 | 第54-58页 |
| 6.1 手写体字符识别算法仿真结果比较 | 第54-56页 |
| 6.2 手写体字符识别GUI界面设计 | 第56-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第七章 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58页 |
| 7.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64页 |
