| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·蚁群算法研究现状 | 第10-11页 |
| ·图像识别的概述 | 第11-14页 |
| ·特征选取研究 | 第13-14页 |
| ·图像识别概述 | 第14页 |
| ·本课题主要内容 | 第14-16页 |
| 第二章 蚁群算法及实例分析 | 第16-33页 |
| ·蚁群算法基本理论 | 第16-23页 |
| ·蚁群算法的基本原理 | 第16-17页 |
| ·基本蚁群算法的特征 | 第17-20页 |
| ·基本蚁群算法的数学模型 | 第20-22页 |
| ·基本蚁群算法的实现 | 第22-23页 |
| ·改进蚁群算法 | 第23-29页 |
| ·蚁群系统 | 第24-25页 |
| ·最大最小蚂蚁系统 | 第25页 |
| ·具有变异和分工特征的蚁群算法 | 第25-26页 |
| ·基于分布均匀度的自适应蚁群算法 | 第26-29页 |
| ·基于信息熵的改进蚁群算法 | 第29-32页 |
| ·信息熵及其性质 | 第29-30页 |
| ·信息熵蚁群算法 | 第30-32页 |
| ·实例分析 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 特征选取和图像识别 | 第33-48页 |
| ·图像基本特征 | 第33-36页 |
| ·特征选取 | 第36-40页 |
| ·特征提取与选择原则 | 第36-37页 |
| ·特征提取方法 | 第37-39页 |
| ·特征选择方法 | 第39-40页 |
| ·特征选择标准 | 第40页 |
| ·模式识别方法概述 | 第40-44页 |
| ·模板匹配法 | 第41-42页 |
| ·统计模式识别法 | 第42页 |
| ·模糊模式识别法 | 第42-43页 |
| ·人工神经网络模式识别法 | 第43-44页 |
| ·数字识别方法概述 | 第44-47页 |
| ·模板匹配算法 | 第45-46页 |
| ·交点特征分类识别法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于信息熵蚁群算法的特征提取和识别方法研究 | 第48-59页 |
| ·蚁群聚类学习算法的基本原理 | 第48-51页 |
| ·信息熵蚁群算法在特征选择中的应用 | 第51-53页 |
| ·蚁群算法在图像识别中应用 | 第53-56页 |
| ·实例验证 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 基于信息熵蚁群算法在数字识别中的应用 | 第59-70页 |
| ·数字图像预处理 | 第59-64页 |
| ·特征提取的方法 | 第64-66页 |
| ·逐象素特征提取法 | 第64页 |
| ·骨架特征提取法 | 第64-65页 |
| ·垂直方向数据统计特征提取法 | 第65页 |
| ·13特征点提取方法 | 第65-66页 |
| ·特征提取和识别过程 | 第66-68页 |
| ·实验仿真及结果分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |