| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 引言 | 第8-10页 |
| ·研究背景 | 第8页 |
| ·国内外现状 | 第8-9页 |
| ·本文的内容安排 | 第9-10页 |
| 第2章 相关理论介绍 | 第10-18页 |
| ·模式识别 | 第10-11页 |
| ·模式识别简述 | 第10页 |
| ·模式识别方法概述 | 第10-11页 |
| ·人工神经网络研究 | 第11-16页 |
| ·人工神经元 | 第12页 |
| ·人工神经网络模型 | 第12-15页 |
| ·人工神经网络的学习过程 | 第15页 |
| ·人工神经网络在模式识别问题上的优势 | 第15-16页 |
| ·手写体数字识别研究 | 第16-18页 |
| ·手写体数字识别简介 | 第16页 |
| ·手写体数字识别研究的理论意义及难点 | 第16-17页 |
| ·手写体数字识别系统的性能评价方法 | 第17-18页 |
| 第3章 基于BP 神经网络的手写体数字识别系统的设计 | 第18-34页 |
| ·基于BP 神经网络的手写体数字识别系统设计 | 第18-19页 |
| ·手写体数字图像预处理 | 第19-27页 |
| ·二值化 | 第19-20页 |
| ·平滑去噪 | 第20-23页 |
| ·细化 | 第23-24页 |
| ·定位分割 | 第24页 |
| ·基于对连通区域标记的数字分割 | 第24-26页 |
| ·图像特征提取 | 第26-27页 |
| ·BP 神经网络训练与识别 | 第27-34页 |
| ·BP 神经网络训练 | 第27-33页 |
| ·BP 神经网络分类器设计 | 第33-34页 |
| 第4章 系统实现与系统性能评价 | 第34-43页 |
| ·实现环境 | 第34页 |
| ·实现步骤及部分实现程序 | 第34-41页 |
| ·图像预处理 | 第34-40页 |
| ·BP 神经网络训练 | 第40-41页 |
| ·BP 神经网络分类器识别 | 第41页 |
| ·系统性能分析 | 第41-43页 |
| 第5章 结论与展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |