| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 概述 | 第8-12页 |
| ·问题的提出 | 第8页 |
| ·手写体数字识别的研究背景 | 第8-9页 |
| ·手写体数字识别的理论意义 | 第9-10页 |
| ·本论文的主要工作 | 第10页 |
| ·特征提取 | 第10页 |
| ·单个 BP神经分类器的实现 | 第10页 |
| ·神经网络集成算法 Boost和 AdaBoost介绍和改进 | 第10页 |
| ·实验系统的设计 | 第10页 |
| ·本文的内容安排 | 第10-11页 |
| ·参考文献 | 第11-12页 |
| 第二章 手写体数字的特征提取 | 第12-22页 |
| ·特征提取简介 | 第12-13页 |
| ·手写体数字特征提取的方法 | 第13-14页 |
| ·本课题使用的特征提取方法 | 第14-21页 |
| ·首个黑点位置特征 | 第14页 |
| ·方向特征 | 第14页 |
| ·黑白点变化特征 | 第14-15页 |
| ·重心及重心矩特征 | 第15页 |
| ·投影特征 | 第15-16页 |
| ·轮廓特征 | 第16-18页 |
| ·Fourier变换特征 | 第18-19页 |
| ·Kirsch算子特征 | 第19-21页 |
| ·参考文献 | 第21-22页 |
| 第三章 基于 BP算法的神经网络分类器设计 | 第22-34页 |
| ·概述 | 第22页 |
| ·神经网络分类器 | 第22-25页 |
| ·人工神经网简介 | 第22-23页 |
| ·人工神经元的数学基础 | 第23-24页 |
| ·人工神经元网络模型 | 第24-25页 |
| ·BP神经网络分类器 | 第25-33页 |
| ·BP模型简介 | 第25-26页 |
| ·BP算法的学习过程 | 第26页 |
| ·BP算法的推导 | 第26-28页 |
| ·BP算法的实现 | 第28-29页 |
| ·BP算法学习中需要注意的问题 | 第29页 |
| ·BP算法的局限性 | 第29页 |
| ·BP算法的改进 | 第29-33页 |
| ·参考文献 | 第33-34页 |
| 第四章 基于 ADABOOST集成的手写数字识别研究 | 第34-45页 |
| ·神经网络集成概述 | 第34-36页 |
| ·结论生成方法 | 第34-35页 |
| ·个体生成方法 | 第35-36页 |
| ·BOOSTING和 ADABOOST理论基础 | 第36-40页 |
| ·Boosting和AdaBoost概述 | 第36-37页 |
| ·AdaBoost算法描述 | 第37-38页 |
| ·Boosting算法的理论分析 | 第38-40页 |
| ·多分类器集成原理 | 第40-41页 |
| ·神经网络集成中多分类器组合的方法 | 第41-42页 |
| ·传统的ADABOOST的缺陷及其改进方案 | 第42-43页 |
| ·参考文献 | 第43-45页 |
| 第五章 基于 ADABOOST集成算法的手写体数字识别系统设计和算法实现 | 第45-55页 |
| ·系统设计 | 第45-49页 |
| ·字符识别的基本流程 | 第45页 |
| ·设计思路 | 第45-47页 |
| ·特征的提取 | 第47页 |
| ·分类器的构造 | 第47-48页 |
| ·集成的AdaBoost方式的实现 | 第48-49页 |
| ·实验步骤 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·系统不足和尚需改进的地方 | 第53-54页 |
| ·特征的选取 | 第53页 |
| ·BP网中隐藏层的选择 | 第53页 |
| ·Boosting算法的进一步研究 | 第53-54页 |
| ·参考文献 | 第54-55页 |
| 第六章 总结和展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·展望 | 第55-56页 |
| 附录I 标准 BP算法流程 | 第56-57页 |
| 附录II ADABOOST 伪码描述 | 第57-58页 |
| 附录III USPS样本库文件结构 | 第58-59页 |
| 附录IV CBPNET类实现 | 第59-64页 |
| 致谢 | 第64页 |
