首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

2-D圆和矩形布局知识图检测的神经网络方法研究

摘要第1-5页
Abstract第5-10页
第一章 绪论第10-14页
   ·课题背景和研究意义第10-11页
     ·课题背景第10-11页
     ·研究意义第11页
   ·课题研究内容第11-12页
   ·研究基础第12页
   ·论文的组织第12-13页
   ·本章小结第13-14页
第二章 国内外研究现状第14-21页
   ·圆检测的研究现状第14页
   ·矩形检测的研究现状第14-17页
     ·直线检测的研究现状第14-16页
     ·矩形检测的研究现状第16-17页
   ·聚类算法分析的研究现状第17-19页
     ·聚类算法的分类第17-18页
     ·k-means 算法及其改进算法第18-19页
   ·神经网络的发展第19-20页
   ·本章小结第20-21页
第三章 基于改进 k-means 聚类的神经网络矩形检测算法第21-36页
   ·问题的提出与相关知识第21-23页
     ·问题的提出第21-22页
     ·相关知识第22-23页
   ·一种新的改进 k-means 聚类算法第23-26页
     ·算法思想第23-25页
     ·NIKMCA 算法步骤第25-26页
   ·基于神经网络的矩形检测算法第26-33页
     ·神经元模型第26-27页
     ·训练算法第27-30页
     ·RDABNN 算法步骤第30-32页
     ·确认真矩形第32-33页
   ·实验算例第33-35页
   ·算法讨论与分析第35页
   ·本章小结第35-36页
第四章 基于投影聚类的矩形检测算法第36-45页
   ·问题的提出与相关知识第36-37页
     ·问题的提出第36页
     ·相关知识第36-37页
   ·投影聚类算法第37-41页
     ·算法思想第37-41页
     ·CABP 算法步骤第41页
   ·矩形检测算法第41-42页
   ·实验算例第42-44页
   ·算法分析和讨论第44页
   ·本章小结第44-45页
第五章 圆与矩形布局知识图检测第45-49页
   ·圆与矩形卫星舱布局知识图检测算例第45-46页
   ·图形检测在卫星舱布局设计求解中的应用第46-48页
   ·本章小结第48-49页
总结与展望第49-51页
参考文献第51-54页
致谢第54-55页
附录 A:攻读硕士学位期间发表论文和参与的研究项目第55页

论文共55页,点击 下载论文
上一篇:求解约束优化问题的双种群差分进化算法研究
下一篇:多目标差分进化算法的自适应策略研究