基于图像信息与模糊神经网络的特征识别技术及其应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景 | 第10-11页 |
| ·国内外研究现状和发展趋势 | 第11-12页 |
| ·本文的研究内容和主要工作 | 第12-16页 |
| 第2章 基于车牌特征和车体特征的图像信息识别算法 | 第16-32页 |
| ·车牌信息识别算法 | 第16-26页 |
| ·车牌特征 | 第16-17页 |
| ·基于色彩分割的车牌定位算法 | 第17-21页 |
| ·车牌的倾斜校正和字符切分 | 第21-24页 |
| ·基于模板匹配的字符快速识别 | 第24-26页 |
| ·车型信息识别算法 | 第26-30页 |
| ·引言 | 第26-27页 |
| ·车辆特征点的提取 | 第27页 |
| ·建立车型样本空间 | 第27-28页 |
| ·车型的模糊模式识别 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于蚁群算法的最短路径算法研究 | 第32-50页 |
| ·设计思想 | 第32页 |
| ·最短路径算法的对比评价 | 第32-33页 |
| ·蚁群算法的原理及数学模型 | 第33-37页 |
| ·蚁群算法原理 | 第33-35页 |
| ·蚁群算法的数学模型 | 第35-37页 |
| ·蚁群算法的改进研究 | 第37-39页 |
| ·一种基于限制搜索区域的蚁群算法 | 第39-47页 |
| ·道路网络拓扑结构 | 第39-41页 |
| ·椭圆限制搜索区域算法 | 第41-43页 |
| ·矩形限制搜索区域算法 | 第43-44页 |
| ·改进的蚁群算法 | 第44-47页 |
| ·仿真结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于T-S模糊神经网络的特征识别 | 第50-64页 |
| ·引言 | 第50页 |
| ·模糊神经网络理论概述 | 第50-53页 |
| ·模糊理论的特点 | 第50-51页 |
| ·人工神经网络的特点 | 第51-53页 |
| ·模糊神经网络的优势 | 第53页 |
| ·确定网络的输入输出 | 第53-59页 |
| ·问题描述 | 第53-54页 |
| ·长春市交通现状 | 第54页 |
| ·评价因素 | 第54-56页 |
| ·模糊隶属函数的建立 | 第56-59页 |
| ·模糊控制规则的建立 | 第59-60页 |
| ·网络的结构模型 | 第60-61页 |
| ·网络的学习方法 | 第61-62页 |
| ·模型仿真结果分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |
