基于改进BP神经网络的物体识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·物体识别相关技术 | 第11-12页 |
| ·识别概念 | 第11页 |
| ·物体识别的目的 | 第11-12页 |
| ·物体识别的影响因素 | 第12页 |
| ·物体识别的方法和步骤 | 第12-16页 |
| ·统计模式识别 | 第12-13页 |
| ·人工神经网络识别 | 第13-14页 |
| ·句法模式识别 | 第14-15页 |
| ·作为图匹配的识别 | 第15页 |
| ·模糊模式识别 | 第15-16页 |
| ·物体识别的步骤 | 第16页 |
| ·本文内容安排 | 第16-18页 |
| 第2章 物体的不变矩特征提取 | 第18-30页 |
| ·引言 | 第18页 |
| ·矩函数的发展 | 第18-19页 |
| ·几何矩 | 第19-25页 |
| ·几何矩的概念 | 第19页 |
| ·矩的物体意义 | 第19-22页 |
| ·矩的有关变换 | 第22-25页 |
| ·HU 矩不变量及其修正算法 | 第25-27页 |
| ·Hu 矩不变量 | 第25-26页 |
| ·对Hu 不变矩的修正 | 第26-27页 |
| ·修正HU 不变矩算法的仿真研究 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 人工神经网络 | 第30-41页 |
| ·引言 | 第30页 |
| ·人工神经网络基本概念 | 第30-32页 |
| ·人工神经网络的结构 | 第32-33页 |
| ·人工神经网络的学习 | 第33-34页 |
| ·学习方式 | 第33页 |
| ·学习规则 | 第33-34页 |
| ·人工神经网络的特点及应用 | 第34-36页 |
| ·物体识别技术中常用的神经网络模型 | 第36-40页 |
| ·Hopfield 网络模型 | 第36-37页 |
| ·自组织特征映射网络模型 | 第37-38页 |
| ·感知器 | 第38-40页 |
| ·多层前馈神经网络 | 第40页 |
| ·小结 | 第40-41页 |
| 第4章 基于改进BP 网络的物体识别 | 第41-57页 |
| ·引言 | 第41页 |
| ·BP 神经网络 | 第41-47页 |
| ·BP 网络结构及算法 | 第41-44页 |
| ·BP 网络存在缺点及改进 | 第44-47页 |
| ·用于物体识别的BP 网络的设计 | 第47-49页 |
| ·实验与结论 | 第49-56页 |
| ·训练过程 | 第49-50页 |
| ·识别过程 | 第50-51页 |
| ·实验过程 | 第51-55页 |
| ·实验结论 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第5章 结论 | 第57-59页 |
| ·研究工作总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录A 缩略词汇表 | 第63-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65页 |
