基于BP神经网络的脱机手写体数字识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-14页 |
| ·目的和意义 | 第8页 |
| ·光学字符识别方法的介绍 | 第8-10页 |
| ·手写体数字识别的发展与现状 | 第10-11页 |
| ·识别系统性能的评价 | 第11-12页 |
| ·本文内容及安排 | 第12页 |
| ·本文创新点 | 第12-14页 |
| 第二章 BP神经网络介绍 | 第14-23页 |
| ·神经元 | 第14-18页 |
| ·BP神经网络 | 第18-23页 |
| ·BP神经网络模型与结构 | 第18-19页 |
| ·BP学习算法 | 第19-21页 |
| ·误差反向传播的流程图 | 第21-23页 |
| 第三章 图像处理与识别概述 | 第23-31页 |
| ·概述 | 第23-24页 |
| ·数字图像的形成 | 第24-26页 |
| ·数字图像的存储 | 第26页 |
| ·数字图像的数学描述形式 | 第26-29页 |
| ·数字图像的矩阵表示 | 第26-27页 |
| ·二维数组和图像的关系 | 第27-29页 |
| ·图像特征提取 | 第29-31页 |
| 第四章 数字图像预处理 | 第31-39页 |
| ·数字图像的读取 | 第31-32页 |
| ·数字图像的归一化算法 | 第32-35页 |
| ·数据的获取和编码 | 第35-39页 |
| 第五章 基于BP神经网络的手写体数字识别模型 | 第39-47页 |
| ·输入和输出的确定 | 第39-40页 |
| ·隐含层神经元数目的选择 | 第40页 |
| ·改进的BP算法 | 第40-44页 |
| ·附加动量法 | 第41-42页 |
| ·自适应学习速率法 | 第42页 |
| ·L-M法 | 第42-43页 |
| ·附加动量和自适应学习率法 | 第43页 |
| ·改进的BP算法训练效果比较 | 第43-44页 |
| ·训练参数的选取 | 第44-47页 |
| ·初始值的改进 | 第44-45页 |
| ·学习速率的选取 | 第45-46页 |
| ·期望误差的选取 | 第46页 |
| ·其他参数的设定 | 第46-47页 |
| 第六章 BP网络训练及测试结果 | 第47-49页 |
| 结论 | 第49-50页 |
| 附录 识别结果 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 攻读博士（硕士）期间发表的论文及所取得的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
