| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 电力防误系统的研究现状 | 第11-13页 |
| 1.2.2 PDA 手持器的研究现状 | 第13-14页 |
| 1.3 论文涉及算法的研究现状 | 第14-17页 |
| 1.3.1 神经网络在数字识别领域的研究现状 | 第14-15页 |
| 1.3.2 遗传算法的研究现状 | 第15-17页 |
| 1.4 论文研究的主要内容 | 第17页 |
| 1.5 论文安排 | 第17-19页 |
| 第二章 电力手持防误监测系统的结构和功能 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 系统的整体结构 | 第19-21页 |
| 2.3 硬件系统设计方案 | 第21-23页 |
| 2.4 软件系统设计方案 | 第23-27页 |
| 2.5 系统通信方式 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于混沌理论的遗传算法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 算法的基本原理 | 第28-31页 |
| 3.2.1 遗传算法的基本原理 | 第28-30页 |
| 3.2.2 混沌理论的基本原理 | 第30-31页 |
| 3.3 基于混沌理论的遗传算法 | 第31-36页 |
| 3.3.1 基本思想 | 第31-32页 |
| 3.3.2 初始群体分布调整 | 第32页 |
| 3.3.3 遗传选择操作调整 | 第32-33页 |
| 3.3.4 变异算子调整 | 第33-34页 |
| 3.3.5 最终混沌搜索 | 第34-35页 |
| 3.3.6 基于混沌理论的遗传算法流程 | 第35-36页 |
| 3.4 基于混沌理论的遗传算法收敛性分析 | 第36-37页 |
| 3.5 算法测试 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于改进神经网络的条形码识别 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 BP 神经网络原理及实现 | 第41-44页 |
| 4.3 现有的条形码识别方法 | 第44-45页 |
| 4.4 CS-GA 算法优化 BP 神经网络 | 第45-47页 |
| 4.5 CS-GA 算法优化神经网络在条形码识别中的应用与分析 | 第47-54页 |
| 4.5.1 图像的预处理 | 第47-48页 |
| 4.5.2 特征向量的提取 | 第48-49页 |
| 4.5.3 数据训练样本产生 | 第49-50页 |
| 4.5.4 神经网络模型的建立 | 第50页 |
| 4.5.5 CS-GA 算法优化神经网络分析 | 第50-51页 |
| 4.5.6 条形码数字识别结果与分析 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 电力手持防误监测系统实现 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 手持设备防误子系统 | 第55-61页 |
| 5.2.1 变电所防误模块 | 第55-57页 |
| 5.2.2 手持器远程防误工作模块 | 第57-59页 |
| 5.2.3 缺损条码识别防误模块 | 第59-61页 |
| 5.3 服务器端主系统 | 第61-65页 |
| 5.3.1 日常防误数据管理模块 | 第61-63页 |
| 5.3.2 防误规则设计模块 | 第63-64页 |
| 5.3.3 电力防误规则流程实时监测模块 | 第64-65页 |
| 5.4 中间通讯服务系统 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 发表文章目录 | 第72-73页 |
| 致谢 | 第73-74页 |
| 详细摘要 | 第74-83页 |