小波与BP神经网络在零件识别应用中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·本研究课题的学术背景及意义 | 第10页 |
| ·国内外与本项目有关的研究现状 | 第10-12页 |
| ·小波分析和神经网络的结合 | 第12-16页 |
| ·小波理论的发展背景及应用 | 第13-14页 |
| ·人工神经网络在国内外研究现状 | 第14-15页 |
| ·人工神经网络的特点及优点 | 第15-16页 |
| ·本课题的来源和研究内容 | 第16-18页 |
| 第2章 图像处理与特征提取 | 第18-30页 |
| ·数字图像处理概念 | 第18页 |
| ·系统软件实现基础 | 第18-21页 |
| ·设备无关位图（DIB） | 第18-19页 |
| ·BMP 文件格式简介 | 第19-21页 |
| ·建立VC++图像处理的类库 | 第21页 |
| ·小波变换与图像处理 | 第21-27页 |
| ·小波分析的基本理论 | 第21-24页 |
| ·利用小波变换消除图像噪声 | 第24-25页 |
| ·边缘检测 | 第25-27页 |
| ·图像的特征提取 | 第27-29页 |
| ·特征与特征提取的基本概念 | 第27-28页 |
| ·Hu 不变矩 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人工神经网络结构及算法的研究 | 第30-43页 |
| ·基于神经网络分类的识别技术 | 第30-31页 |
| ·人工神经网络基本原理 | 第31-33页 |
| ·人工神经元的基本模型 | 第31-32页 |
| ·人工神经网络的拓扑结构和分类 | 第32-33页 |
| ·学习规则和学习方式 | 第33页 |
| ·BP 神经网络模型 | 第33-38页 |
| ·BP 神经网络的基本原理 | 第34-35页 |
| ·BP 神经网络的算法流程 | 第35-38页 |
| ·BP 算法缺陷分析和改进 | 第38-42页 |
| ·BP 算法存在的主要缺陷 | 第38页 |
| ·BP 算法存在缺陷的原因分析 | 第38-40页 |
| ·BP 算法的改进方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 利用改进BP 神经网络进行零件识别 | 第43-53页 |
| ·模式识别系统组成 | 第43-46页 |
| ·系统硬件构成 | 第43-44页 |
| ·零件识别系统的软件流程 | 第44-46页 |
| ·改进的BP 神经网络 | 第46-48页 |
| ·本文所采用的BP 算法 | 第46-47页 |
| ·改进BP 网络的建立 | 第47-48页 |
| ·实验仿真与结果分析 | 第48-52页 |
| ·网络训练部分 | 第49-51页 |
| ·网络测试部分 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
