| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·手写数字识别的研究背景 | 第9页 |
| ·手写数字识别研究的现实意义 | 第9-10页 |
| ·手写数字识别研究的理论价值 | 第10-11页 |
| ·本论文的内容 | 第11-12页 |
| ·特征提取 | 第11页 |
| ·特征选择 | 第11页 |
| ·BP神经网络 | 第11页 |
| ·实验系统的设计 | 第11-12页 |
| ·参考文献 | 第12-13页 |
| 第二章 特征提取 | 第13-26页 |
| ·特征提取概述 | 第13页 |
| ·特征提取的方法 | 第13-14页 |
| ·结构特征 | 第14页 |
| ·统计特征 | 第14-22页 |
| ·Fourier变换特征 | 第14-19页 |
| ·Kirsch特征 | 第19-21页 |
| ·Gabor特征 | 第21-22页 |
| ·矩特征 | 第22-25页 |
| ·Lengendre矩特征 | 第22-23页 |
| ·Zernike矩特征 | 第23-24页 |
| ·Pseudo-Zernike矩特征 | 第24页 |
| ·重心特征 | 第24-25页 |
| ·参考文献 | 第25-26页 |
| 第三章 特征选择 | 第26-36页 |
| ·特征选择概述 | 第26页 |
| ·单个特征优胜劣汰 | 第26-30页 |
| ·K-W检验 | 第26-27页 |
| ·直方图选择法 | 第27-28页 |
| ·不确定性选择法 | 第28-29页 |
| ·针对有序样品的选择方法 | 第29-30页 |
| ·多个特征联合降维——主成分分析 | 第30-35页 |
| ·主成分分析 | 第30-33页 |
| ·几种常用的线性映射 | 第33-35页 |
| ·参考文献 | 第35-36页 |
| 第四章 神经网络 | 第36-51页 |
| ·神经网络概述 | 第36-38页 |
| ·神经网络的定义 | 第36页 |
| ·神经网络的研究内容 | 第36页 |
| ·神经网络的研究方法 | 第36页 |
| ·神经元的模型 | 第36-38页 |
| ·衡量神经网络性能优劣的指标 | 第38页 |
| ·常用的学习算法 | 第38-39页 |
| ·两种学习方式 | 第38页 |
| ·学习算法 | 第38-39页 |
| ·BP神经网络 | 第39-48页 |
| ·BP神经网络的结构 | 第39-43页 |
| ·BP算法的步骤 | 第43页 |
| ·BP算法的局限性 | 第43页 |
| ·BP改进算法 | 第43-47页 |
| ·BP网络设计的一般原则 | 第47-48页 |
| ·自组织特征映射网络(self-organizing feature map,SOFM) | 第48-49页 |
| ·参考文献 | 第49-51页 |
| 第五章 特征提取和特征选择在手写数字识别中的应用 | 第51-62页 |
| ·系统设计 | 第51-52页 |
| ·字符识别的基本流程 | 第51页 |
| ·整体设计流程 | 第51-52页 |
| ·实验步骤 | 第52-53页 |
| ·实验结果及分析 | 第53-60页 |
| ·系统不足和尚需改进的地方 | 第60-61页 |
| ·参考文献 | 第61-62页 |
| 附录1 标准BP算法流程 | 第62-63页 |
| 附录2 CBPNet类的实现(包含特征提取和特征选择) | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |