基于BP神经网络的手势识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究状况 | 第11-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| ·本文结构安排 | 第14-16页 |
| 第2章 神经网络基础知识 | 第16-28页 |
| ·人工神经元模型 | 第16-20页 |
| ·神经元的建模 | 第16-17页 |
| ·神经元的数学模型 | 第17-18页 |
| ·神经元转移函数 | 第18-20页 |
| ·人工神经网络模型 | 第20-22页 |
| ·网络拓扑结构类型 | 第20-21页 |
| ·网络信息流向类型 | 第21-22页 |
| ·神经网络学习 | 第22-26页 |
| ·Hebb 学习规则 | 第23页 |
| ·Perceptron 学习规则 | 第23-24页 |
| ·δ学习规则 | 第24-25页 |
| ·LMS 学习规则 | 第25页 |
| ·Correlation 学习规则 | 第25-26页 |
| ·Winner-Take-All 学习规则 | 第26页 |
| ·神经网络的基本特征 | 第26-27页 |
| ·神经网络的应用领域 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 手势加速度信号的处理 | 第28-42页 |
| ·手势识别硬件系统介绍 | 第28-31页 |
| ·识别系统组成 | 第28-29页 |
| ·AMI602 加速度传感器 | 第29-30页 |
| ·CC1110 微处理器 | 第30-31页 |
| ·本文信号的处理 | 第31-40页 |
| ·加速度信号的处理过程 | 第31-32页 |
| ·原始加速度信号的提取 | 第32-34页 |
| ·数据类型转换和处理 | 第34-35页 |
| ·去除跳点 | 第35-36页 |
| ·线性平滑滤波 | 第36-38页 |
| ·手势动作的检测 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于 BP 网络的手势识别及实验验证 | 第42-64页 |
| ·BP 神经网络 | 第42-53页 |
| ·BP 网络模型 | 第43-45页 |
| ·BP 学习算法 | 第45-48页 |
| ·BP 算法的程序实现 | 第48-50页 |
| ·本文 BP 神经网络的设计 | 第50-52页 |
| ·本文 BP 神经网络的识别过程 | 第52-53页 |
| ·实验过程和结果分析 | 第53-62页 |
| ·十个阿拉伯数字的识别 | 第53-58页 |
| ·五种简单笔画手势的识别 | 第58-61页 |
| ·实验结果分析 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
