基于粒子群神经网络的手写数字模糊识别
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 创新点摘要 | 第6-10页 |
| 前言 | 第10-14页 |
| 第一章 手写数字图像的预处理 | 第14-25页 |
| ·引言 | 第14页 |
| ·图像灰度化 | 第14-15页 |
| ·图像二值化 | 第15-16页 |
| ·二值图像概论 | 第15-16页 |
| ·二值化概念和方法 | 第16页 |
| ·图像平滑去噪 | 第16-19页 |
| ·传统的中值滤波法 | 第17页 |
| ·改进的中值滤波法 | 第17-18页 |
| ·二值形态学 | 第18-19页 |
| ·整体倾斜度调整 | 第19页 |
| ·图像归一化 | 第19-22页 |
| ·位置归一化 | 第19-20页 |
| ·大小归一化 | 第20-22页 |
| ·图像细化 | 第22-23页 |
| ·细化后期处理 | 第23-24页 |
| ·去毛刺 | 第23页 |
| ·去闭合环内线段 | 第23页 |
| ·去花饰环 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第二章 手写数字图像的特征选择与提取 | 第25-34页 |
| ·引言 | 第25-26页 |
| ·笔道密度函数提取 | 第26-27页 |
| ·空洞和缺口 | 第26页 |
| ·数字的垂直和水平投影 | 第26-27页 |
| ·局部傅立叶与小波变换提取 | 第27-29页 |
| ·局部傅立叶变换 | 第27-28页 |
| ·小波变换 | 第28-29页 |
| ·特征提取 | 第29页 |
| ·Radon 变换提取 | 第29-30页 |
| ·Radon 变换 | 第29页 |
| ·特征提取 | 第29-30页 |
| ·Legendre 矩特征提取 | 第30页 |
| ·微观结构特征抽取 | 第30-32页 |
| ·微观结构特征抽取法 | 第30-31页 |
| ·去除伪特征 | 第31-32页 |
| ·手写数字特征融合 | 第32页 |
| ·手写数字特征降维 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 手写数字识别算法 | 第34-44页 |
| ·引言 | 第34页 |
| ·神经网络基本原理 | 第34-39页 |
| ·人工神经网络 | 第34-35页 |
| ·人工神经网络的误差反传训练理论分析 | 第35-39页 |
| ·粒子群算法 | 第39-41页 |
| ·微粒子群算法简介 | 第39-40页 |
| ·微粒子群算法原理 | 第40-41页 |
| ·模糊模式识别 | 第41-43页 |
| ·明确集合 | 第41页 |
| ·模糊集合 | 第41页 |
| ·隶属函数 | 第41-43页 |
| ·模糊集在模式识别中的应用 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第四章 手写数字识别算法优化 | 第44-51页 |
| ·引言 | 第44页 |
| ·改进神经网络传输函数 | 第44-45页 |
| ·调节神经网络学习率 | 第45页 |
| ·神经网络抗容错性 | 第45-49页 |
| ·神经网络无噪声训练 | 第46页 |
| ·神经网络有噪声训练 | 第46-47页 |
| ·神经网络抗容错性训练仿真 | 第47-48页 |
| ·神经网络抗容错性系统测试 | 第48-49页 |
| ·粒子群优化神经网络 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 手写数字识别实验验证 | 第51-56页 |
| ·引言 | 第51页 |
| ·手写数字识别系统的搭建 | 第51页 |
| ·手写数字识别系统的网络结构设计 | 第51-52页 |
| ·手写数字识别系统的网络参数设计 | 第52-53页 |
| ·网络结构参数计算 | 第52页 |
| ·粒子群参数设计 | 第52页 |
| ·网络学习训练 | 第52页 |
| ·识别输出 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-67页 |
