交叉点的神经网络识别及联机手写字符的概率神经网络识别初探

1 文献综述	第1-22页
1．1 神经网络定义及特点	第6页
1．2 神经网络一般化模型	第6-8页
1．3 BP网络模型	第8-11页
1．4 Kohonen自组织特征映射	第11-14页
1．4．1 网络基本结构	第11-12页
1．4．2 Kohonen自组织映射算法	第12-14页
1．5 HMM神经网络	第14-22页
1．5．1 隐Markov模型结构	第14-16页
1．5．2 HMM的训练与工作方式	第16-22页
2 二维图像中交叉点的神经网络识别	第22-27页
2．1 引言	第22页
2．2 图像的前期处理及样本的选取	第22-24页
2．3 网络的结构与识别效果	第24-27页
3 概率神经网络用于联机手写字符识别初探	第27-44页
3．1 字符识别的结构方法	第27-28页
3．2 字符识别的统计方法	第28-29页
3．3 联机手写字符识别的方法	第29-33页
3．3．1 基于ART模型的联机识别系统	第30-31页
3．3．2 基于HMM的一种识别方法	第31-32页
3．3．3 其它识别的方法	第32-33页
3．4 概率神经网络用于联机手写字符识别初探	第33-44页
3．4．1 原始数据的特征选取和样本集	第33-35页
3．4．2 概率神经网络识别器的结构和矢量量化	第35-36页
3．4．3 概率神经网络模型的确定	第36-40页
3．4．4 网络的训练和识别效果	第40-43页
3．4．5 总结	第43-44页
参考文献	第44-47页
致谢	第47-48页