| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-12页 |
| 1.4 本文主要研究工作及内容的安排 | 第12-13页 |
| 第2章 人工神经网络和BP神经网络的基础理论 | 第13-25页 |
| 2.1 神经网络的基本理论 | 第13-20页 |
| 2.1.1 人工神经网络的诞生 | 第13-14页 |
| 2.1.2 人工神经网络的发展概述 | 第14-15页 |
| 2.1.3 人工神经元 | 第15-17页 |
| 2.1.4 神经网络结构 | 第17-19页 |
| 2.1.5 神经网络的学习过程 | 第19页 |
| 2.1.6 神经网络的理论研究与实际应用 | 第19-20页 |
| 2.2 BP神经网络 | 第20-24页 |
| 2.2.1 神经网络的识别方法 | 第20页 |
| 2.2.2 BP神经网络简介 | 第20-21页 |
| 2.2.3 BP神经网络模型 | 第21页 |
| 2.2.4 BP神经网络的学习算法 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 湘西方块苗文图像的预处理方法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 灰度化 | 第25-27页 |
| 3.3 二值化 | 第27-29页 |
| 3.4 图像平滑 | 第29-31页 |
| 3.5 湘西方块苗文的归一化 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于改进BP神经网络的湘西方块苗文图像识别 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 传统的BP神经网络及算法流程 | 第34-36页 |
| 4.3 改进的BP算法 | 第36-37页 |
| 4.3.1 附加动量项的算法 | 第36-37页 |
| 4.3.2 自适应调整学习速率 | 第37页 |
| 4.3.3 改进后的BP算法 | 第37页 |
| 4.4 基于改进BP神经网络对湘西方块苗文图像的识别 | 第37-39页 |
| 4.4.1 网络层数的选择问题 | 第37-38页 |
| 4.4.2 初始权值的确定 | 第38页 |
| 4.4.3 输入层神经元个数的确定 | 第38页 |
| 4.4.4 隐层神经元个数的确定 | 第38-39页 |
| 4.5 仿真实验 | 第39-41页 |
| 4.5.1 动量项对BP神经网络收敛速度的影响 | 第39页 |
| 4.5.2 改进前后BP神经网络的识别效果 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 作者在学习期间取得的学习成果 | 第49页 |