基于BP人工神经网络的云制造系统图像资源智能识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究方向 | 第9-10页 |
| 1.2 相关模式发展进程 | 第10-12页 |
| 1.3 研究情况与发展动态 | 第12-14页 |
| 1.4 课题研究意义 | 第14-16页 |
| 2 云制造 | 第16-25页 |
| 2.1 云制造概念的提出 | 第16-17页 |
| 2.2 云制造概念的定义 | 第17页 |
| 2.3 云制造的特点 | 第17-19页 |
| 2.4 云制造系统平台架构 | 第19-20页 |
| 2.5 云制造系统平台运营模式 | 第20-22页 |
| 2.6 云制造应用 | 第22-25页 |
| 3 数字图像的特征提取与识别 | 第25-38页 |
| 3.1 数字图像的表示 | 第25-26页 |
| 3.2 数字图像的类型 | 第26-27页 |
| 3.3 数字图像的特征表述 | 第27-33页 |
| 3.3.1 颜色特征 | 第28-29页 |
| 3.3.2 形状特征 | 第29-33页 |
| 3.4 数字图像识别的方法 | 第33-35页 |
| 3.5 数字图像识别的应用 | 第35-38页 |
| 4 BP 人工神经网络 | 第38-48页 |
| 4.1 人工神经网络理论基础 | 第38-41页 |
| 4.2 BP 人工神经网络结构 | 第41-42页 |
| 4.3 BP 人工神经学习过程 | 第42-43页 |
| 4.4 BP 人工神经网络算法原理 | 第43-46页 |
| 4.5 BP 人工神经网络算法实现流程 | 第46页 |
| 4.6 BP 人工神经网络的特点及优越性 | 第46-48页 |
| 5 实验分析验证 | 第48-57页 |
| 5.1 样本图特征提取及方案选择 | 第49-50页 |
| 5.2 BP 人工神经网络结构的建立 | 第50-52页 |
| 5.3 网络学习与测试 | 第52-54页 |
| 5.4 程序的发布与网页嵌入 | 第54-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录A Matlab 程序相关代码 | 第62-65页 |
| 在学研究成果 | 第65-67页 |
| 致谢 | 第67页 |
