| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·目的和意义 | 第9页 |
| ·光学字符识别技术的现状及展望 | 第9-11页 |
| ·光学字符识别方法 | 第11-13页 |
| ·基于统计特征的字符识别技术 | 第11-12页 |
| ·基于结构特征的字符识别技术 | 第12-13页 |
| ·基于神经网络的字符识别技术 | 第13页 |
| ·问题和困难 | 第13-15页 |
| ·印刷体字符识别 | 第14页 |
| ·手写体字符识别 | 第14-15页 |
| ·本文的内容安排 | 第15页 |
| ·本文的创新点 | 第15-16页 |
| 第二章 BP 神经网络 | 第16-28页 |
| ·人工神经网络 | 第16-21页 |
| ·发展简史 | 第16-17页 |
| ·主要特点 | 第17-18页 |
| ·基本结构与模型 | 第18-21页 |
| ·BP 神经网络模型 | 第21-22页 |
| ·BP 学习算法及规则 | 第22-25页 |
| ·信息的正向传递 | 第24页 |
| ·利用梯度下降法求权值变化及误差的反向传播 | 第24-25页 |
| ·误差反向传播的流程图 | 第25页 |
| ·改进的BP 网络学习算法 | 第25-28页 |
| ·附加动量法 | 第26-27页 |
| ·自适应学习速 | 第27页 |
| ·L-M 法 | 第27-28页 |
| 第三章 字符识别与图像处理 | 第28-35页 |
| ·字符识别 | 第28-30页 |
| ·图像处理 | 第30-35页 |
| ·图像分类 | 第30页 |
| ·图像存储原理 | 第30-31页 |
| ·数字图像的表示 | 第31-32页 |
| ·图像信号数字化 | 第32-33页 |
| ·图像特征提取 | 第33-35页 |
| 第四章 字母识别预处理 | 第35-41页 |
| ·图像的保存和读取 | 第35-36页 |
| ·图像的归一化 | 第36-39页 |
| ·定义标准化字母 | 第39-41页 |
| 第五章 基于 BP 神经网络的手写大写英文字母识别模型 | 第41-45页 |
| ·网络的选择 | 第41页 |
| ·输入层和输出层节点数目的确定 | 第41-42页 |
| ·隐含层节点数的确定 | 第42-43页 |
| ·改进的BP 算法比较 | 第43页 |
| ·学习速率的选择 | 第43-44页 |
| ·期望误差的选择 | 第44页 |
| ·其他参数的设定 | 第44-45页 |
| 第六章 英文字母识别系统的实现 | 第45-49页 |
| ·BP 网络训练 | 第45页 |
| ·系统的结构与功能 | 第45-46页 |
| ·系统的程序实现 | 第46页 |
| ·实验结果 | 第46-49页 |
| 结论 | 第49-50页 |
| 附录 | 第50-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第57-58页 |
| 致谢 | 第58页 |