首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于人工神经网络的图像识别方法研究

摘要第1-4页
Abstract第4-8页
第一章 绪论第8-15页
   ·图像处理的发展及现状第8-9页
   ·模式识别介绍第9-12页
   ·图像处理与模式识别的原理及方法第12-13页
     ·图像处理与模式识别系统的原理框图和计算模型第12页
     ·图像处理与模式识别系统的计算模型第12-13页
   ·本文研究工作第13-14页
   ·小结第14-15页
第二章 图像识别的前期处理第15-28页
   ·图像边缘检测第15-23页
     ·图像边缘检测的基本概念第15-16页
     ·边缘检测算子第16-23页
       ·罗伯特(Robert)算子第17-20页
       ·普瑞维特(Prewitt)算子第20-21页
       ·高斯—拉普拉斯算子第21-23页
   ·图像的二值化第23-27页
   ·小结第27-28页
第三章 图像的特征提取第28-35页
   ·不变矩的概述第28-34页
     ·不变矩的计算机方法第28-31页
     ·不变矩的计算结果第31-34页
   ·小结第34-35页
第四章 基于人工神经网络的图像识别第35-55页
   ·人工神经网络概述第35-39页
     ·神经元模型的提出第35-36页
     ·人工神经网络的特点第36-37页
     ·几种典型神经网络简介第37-39页
   ·BP神经网络研究第39-48页
     ·BP网络结构第39-42页
       ·输入层和输出层的设计第40-41页
       ·隐含层的设计第41-42页
     ·BP算法研究第42-48页
       ·基本 BP算法第42-44页
       ·BP算法存在的缺陷第44-45页
       ·BP算法的改进方法研究第45-48页
   ·一种改进的BP算法第48-49页
     ·改进算法原理第48-49页
     ·计算机仿真第49页
   ·一种改进的遗传BP算法第49-53页
     ·遗传算法(GA)概述第49-52页
     ·改进算法原理第52-53页
   ·实验结果及分析第53-54页
   ·小结第54-55页
第五章 基于神经网络集成的图像识别第55-64页
   ·神经网络集成概述第55-58页
   ·个体分类器第58-60页
     ·个体分类器的要求第58页
     ·个体分类器的生成第58-59页
     ·个体分类器的组合第59-60页
   ·Bagging第60-61页
   ·Boosting第61-62页
   ·实验结果及分析第62-63页
   ·小结第63-64页
第六章 基于支持向量机的图像识别第64-75页
   ·支持向量机概述第64-71页
     ·理论背景第64-66页
     ·方法介绍第66-70页
     ·实现算法第70-71页
   ·多类支持向量机第71-73页
     ·一对多方法第71-72页
     ·一对一方法第72页
     ·有向无环图第72-73页
   ·实验结果及分析第73-74页
   ·小结第74-75页
总结与展望第75-76页
参考文献第76-80页
发表论文和参加科研情况说明第80-81页
致谢第81页

论文共81页,点击 下载论文
上一篇:事件域认知模型(ECM)在概念隐喻研究中的应用--一项基于世界杯足球赛解说词语料库的研究
下一篇:论语言使用的初始模因