BP神经网络在水中微生物识别系统的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·模式识别分类器技术介绍 | 第9-13页 |
| ·分类器设计概述 | 第9-11页 |
| ·分类器的测试评价 | 第11-12页 |
| ·分类器技术的研究和应用 | 第12-13页 |
| ·论文工作 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 水中微生物图像处理技术概述 | 第14-27页 |
| ·图像预处理方法 | 第14-17页 |
| ·灰度化 | 第14-15页 |
| ·Gamma均衡 | 第15页 |
| ·中均值滤波 | 第15-16页 |
| ·二阶边缘增强 | 第16-17页 |
| ·双均值聚类、形态学开运算和最大独立成分检测 | 第17页 |
| ·图像分割技术 | 第17-18页 |
| ·图像特征提取技术 | 第18-22页 |
| ·形态特征的提取 | 第19页 |
| ·纹理特征的提取 | 第19-20页 |
| ·其它特征的提取 | 第20-21页 |
| ·特征提取结果 | 第21-22页 |
| ·特征优化技术 | 第22-26页 |
| ·遗传模拟退火算法 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 BP神经网络算法 | 第27-38页 |
| ·人工神经网络简介 | 第27-31页 |
| ·神经元简介 | 第28-29页 |
| ·激活函数 | 第29-30页 |
| ·神经网络的分类 | 第30-31页 |
| ·BP神经网络算法步骤 | 第31-34页 |
| ·BP神经网络简介 | 第31-32页 |
| ·BP神经网络计算理论 | 第32-34页 |
| ·BP神经网络算法理论 | 第34页 |
| ·BP神经网络分析 | 第34-35页 |
| ·遗传算法运用在BP神经网络中 | 第35-37页 |
| ·本章总结 | 第37-38页 |
| 第四章 基于BP神经网络的水中微生物识别系统 | 第38-57页 |
| ·BP神经网络的分类器设计 | 第38-41页 |
| ·开发环境介绍 | 第40-41页 |
| ·BP网络的构建 | 第41-50页 |
| ·隐含层的设计 | 第41-44页 |
| ·网络误差的选择 | 第44-46页 |
| ·遗传算法创建的初始权值 | 第46-48页 |
| ·网络的创建 | 第48-50页 |
| ·BP网络的运行 | 第50-53页 |
| ·BP网络的结果分析 | 第53-55页 |
| ·BP网络性能分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·对未来的展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
