基于高阶神经网络的文字识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 第一章 综述 | 第9-13页 |
| ·研究背景与意义 | 第9页 |
| ·文字识别简介 | 第9-11页 |
| ·文字识别的研究历程 | 第9-10页 |
| ·文字识别中存在的困难 | 第10-11页 |
| ·国内外研究状况 | 第11-12页 |
| ·论文主要工作 | 第12页 |
| ·论文结构 | 第12-13页 |
| 第二章 印刷体文字识别相关技术 | 第13-23页 |
| ·文字识别原理 | 第13-14页 |
| ·文字图像预处理技术 | 第14-17页 |
| ·灰度化 | 第14-15页 |
| ·二值化 | 第15页 |
| ·倾斜校正 | 第15-16页 |
| ·行字切分 | 第16页 |
| ·平滑去噪 | 第16-17页 |
| ·细化 | 第17页 |
| ·归一化 | 第17页 |
| ·特征提取 | 第17-19页 |
| ·笔划特征 | 第18页 |
| ·连通体特征 | 第18-19页 |
| ·封闭区域特征 | 第19页 |
| ·网格特征 | 第19页 |
| ·文字识别的主要方法 | 第19-22页 |
| ·结构模式识别 | 第20页 |
| ·统计模式识别 | 第20-21页 |
| ·神经网络方法 | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 第三章 高阶神经网络 | 第23-32页 |
| ·人工神经网络简介 | 第23页 |
| ·感知器神经网络 | 第23-28页 |
| ·基本感知器模型 | 第23-26页 |
| ·多层感知器 | 第26-28页 |
| ·高阶神经网络介绍 | 第28-32页 |
| ·高阶感知器 | 第28-30页 |
| ·高阶神经网络特点 | 第30-31页 |
| ·高阶神经网络的收敛性 | 第31-32页 |
| 第四章 系统设计 | 第32-38页 |
| ·系统开发环境 | 第32页 |
| ·系统设计 | 第32页 |
| ·实验数据 | 第32-38页 |
| ·数据来源 | 第32-33页 |
| ·图像处理 | 第33-34页 |
| ·特征提取 | 第34-35页 |
| ·分类器设计 | 第35-38页 |
| 第五章 实验结果与分析 | 第38-40页 |
| ·实验环境 | 第38页 |
| ·实验结果 | 第38-39页 |
| ·结果分析 | 第39-40页 |
| 第六章 总结与展望 | 第40-41页 |
| ·论文总结 | 第40页 |
| ·展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43页 |
