| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 序言 | 第7-18页 |
| 1．1 人工免疫系统概述 | 第7-12页 |
| 1．1．1 生物免疫系统简介 | 第7-10页 |
| 1．1．2 人工免疫系统研究概述 | 第10-12页 |
| 1．2 手写体数字识别研究现状 | 第12-13页 |
| 1．3 人工免疫系统用于手写体数字识别问题 | 第13-14页 |
| 1．3．1 人工免疫系统用于手写体数字识别的可行性 | 第13-14页 |
| 1．3．2 人工免疫系统用于手写体数字识别的优越性 | 第14页 |
| 1．4 本文研究的内容、目的及意义 | 第14-18页 |
| 1．4．1 研究的内容 | 第14-16页 |
| 1．4．2 研究的目的 | 第16-17页 |
| 1．4．2 研究的意义 | 第17-18页 |
| 第二章 人工免疫算法 | 第18-26页 |
| 2．1 人工免疫算法的基本结构 | 第18-19页 |
| 2．2 人工免疫算法的分类 | 第19-26页 |
| 2．2．1 基于群体的免疫算法 | 第19-22页 |
| 2．2．2 基于网络的免疫算法 | 第22-26页 |
| 第三章 手写体数字识别问题研究 | 第26-34页 |
| 3．1 字符识别 | 第26-27页 |
| 3．1．1 字符识别概述 | 第26页 |
| 3．1．2 字符识别的系统构成 | 第26-27页 |
| 3．2 手写体数字识别 | 第27-34页 |
| 3．2．1 手写体数字识别流程 | 第27-28页 |
| 3．2．2 样本获取 | 第28页 |
| 3．2．3 手写体数字图像预处理 | 第28-31页 |
| 3．2．4 手写体数字特征提取 | 第31-34页 |
| 第四章 人工免疫系统在手写体数字识别上的实现 | 第34-43页 |
| 4．1 模型设计思想 | 第34页 |
| 4．2 模型描述 | 第34-38页 |
| 4．1．1 自体与非自体 | 第34页 |
| 4．1．2 抗体与抗原 | 第34-35页 |
| 4．1．3 亲和力表达 | 第35页 |
| 4．1．4 非自体耐受 | 第35-36页 |
| 4．1．5 克隆选择 | 第36-37页 |
| 4．1．6 抗体多样性 | 第37页 |
| 4．1．7 识别检验 | 第37-38页 |
| 4．3 模型学习过程 | 第38-39页 |
| 4．3．1 工作原理 | 第38页 |
| 4．3．2 具体学习过程 | 第38-39页 |
| 4．4 模型对应算法 | 第39-41页 |
| 4．4．1 环境参数 | 第39-40页 |
| 4．4．2 算法描述 | 第40-41页 |
| 4．5 系统实现 | 第41-43页 |
| 4．5．1 训练模块 | 第41页 |
| 4．5．2 识别模块 | 第41-42页 |
| 4．5．3 系统性能评价指标 | 第42-43页 |
| 第五章 仿真试验 | 第43-52页 |
| 5．1 仿真试验 | 第43页 |
| 5．1．1 试验数据 | 第43页 |
| 5．1．2 试验条件 | 第43页 |
| 5．1．3 试验设置 | 第43页 |
| 5．2 结果分析 | 第43-51页 |
| 5．2．1 不同提取特征对识别结果的影响 | 第43-45页 |
| 5．2．2 参数λ对识别结果的影响 | 第45-47页 |
| 5．2．3 参数T1对识别结果的影响 | 第47-49页 |
| 5．2．4 参数T2对识别结果的影响 | 第49-51页 |
| 5．3 小结 | 第51-52页 |
| 第六章 结论与展望 | 第52-55页 |
| 6．1 结论 | 第52-53页 |
| 6．2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |