基于人工神经网络的水面运动目标识别技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·引言 | 第10页 |
| ·本课题的研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的主要工作 | 第13-14页 |
| 第2章 水面运动目标识别的前期处理 | 第14-28页 |
| ·引言 | 第14页 |
| ·模式识别概述 | 第14-17页 |
| ·模式和模式识别 | 第14-15页 |
| ·模式识别方法 | 第15-17页 |
| ·运动目标图像采集 | 第17-21页 |
| ·模拟构想 | 第18页 |
| ·图像采集过程 | 第18-21页 |
| ·图像预处理 | 第21-24页 |
| ·图像预处理概述 | 第21-22页 |
| ·中值滤波 | 第22-24页 |
| ·图像分割 | 第24-27页 |
| ·图像分割概述 | 第24页 |
| ·Otsu自适应阈值分割方法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 图像的特征提取 | 第28-43页 |
| ·引言 | 第28-29页 |
| ·不变矩理论 | 第29-35页 |
| ·矩的基本概念 | 第29-30页 |
| ·图像的不变矩特征量及其改进算法 | 第30-35页 |
| ·不变矩用于特征匹配 | 第35-36页 |
| ·仿真实验 | 第36-42页 |
| ·实验数据 | 第37-40页 |
| ·数据分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 人工神经元网络 | 第43-57页 |
| ·引言 | 第43页 |
| ·人工神经元网络概述 | 第43-45页 |
| ·人工神经网络的发展及应用 | 第44页 |
| ·人工神经网络的特点 | 第44-45页 |
| ·人工神经元模型 | 第45-49页 |
| ·模型结构 | 第45-47页 |
| ·神经元的激活函数 | 第47-49页 |
| ·神经网络模型 | 第49-52页 |
| ·神经网络的结构特点 | 第49页 |
| ·神经网络的互联结构分类 | 第49-50页 |
| ·神经网络的自学习过程 | 第50-52页 |
| ·BP(Back Propaganda)神经网络 | 第52-56页 |
| ·BP算法的学习步骤 | 第53-55页 |
| ·BP网络存在的问题及改进方法 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于粒子群优化的神经网络训练 | 第57-71页 |
| ·引言 | 第57页 |
| ·基本粒子群算法 | 第57-60页 |
| ·基本原理 | 第57-58页 |
| ·参数设置 | 第58-59页 |
| ·算法流程 | 第59-60页 |
| ·粒子群算法用于神经网络优化 | 第60-65页 |
| ·粒子群优化算法的引入 | 第60-61页 |
| ·算法优点 | 第61-62页 |
| ·算法设计原理 | 第62-63页 |
| ·算法流程 | 第63-64页 |
| ·性能评价 | 第64-65页 |
| ·仿真实验结果 | 第65-70页 |
| ·粒子群优化训练 | 第65-70页 |
| ·数据分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附录A 获取水下图像实验报告 | 第79-83页 |
