基于遗传神经网络的手写体数字识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1. 引言 | 第9-13页 |
| ·选题背景 | 第9-10页 |
| ·研究任务与内容 | 第10-11页 |
| ·本文的结构安排 | 第11-13页 |
| 2. 数字图像识别基本原理 | 第13-24页 |
| ·人工神经网络 | 第13-18页 |
| ·人工神经网络概述 | 第13-14页 |
| ·人工神经网络特点 | 第14页 |
| ·多层前馈神经网络 | 第14-15页 |
| ·反向传播算法 | 第15-18页 |
| ·遗传算法 | 第18-24页 |
| ·基本遗传算法 | 第19-22页 |
| ·遗传算法基本实现技术 | 第22-23页 |
| ·遗传算法主要特点 | 第23-24页 |
| 3. 图像预处理与特征提取 | 第24-35页 |
| ·图像的预处理 | 第24-31页 |
| ·256 色位图转为灰度图 | 第24-25页 |
| ·灰度图二值化 | 第25-26页 |
| ·梯度锐化 | 第26页 |
| ·去除离散噪声点 | 第26-27页 |
| ·整体斜率调整 | 第27页 |
| ·对位图进行分割 | 第27-28页 |
| ·尺寸标准归一化 | 第28页 |
| ·细化 | 第28-30页 |
| ·紧缩重排 | 第30-31页 |
| ·图像特征提取 | 第31-35页 |
| ·特征提取原因与原则 | 第31-32页 |
| ·结构特征提取 | 第32-35页 |
| 4. 遗传神经网络算法研究与实现 | 第35-54页 |
| ·遗传神经网络算法研究 | 第35-37页 |
| ·图像识别系统设计 | 第37-47页 |
| ·数字识别系统结构 | 第37-38页 |
| ·遗传神经网络结构设计 | 第38-40页 |
| ·图像特征提取 | 第40-42页 |
| ·遗传神经网络训练 | 第42-46页 |
| ·数字图像识别 | 第46-47页 |
| ·算法设计与实现 | 第47-54页 |
| ·数字图像预处理 | 第47页 |
| ·图像特征提取 | 第47-49页 |
| ·核心算法 | 第49-54页 |
| 5. 实验结果与分析 | 第54-56页 |
| ·实验数据来源 | 第54页 |
| ·实验内容与结果 | 第54-56页 |
| 6. 总结与展望 | 第56-59页 |
| ·优点 | 第56-57页 |
| ·不足之处 | 第57-58页 |
| ·前景展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
