| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-22页 |
| ·人工神经网络概述 | 第8-14页 |
| ·神经网络发展简史 | 第8-9页 |
| ·神经元数学模型 | 第9-10页 |
| ·神经网络的拓扑结构和学习规则 | 第10-12页 |
| ·两种常见的神经网络及其学习算法 | 第12-14页 |
| ·神经网络集成 | 第14-16页 |
| ·神经网络集成的产生 | 第14-15页 |
| ·神经网络集成的研究方向 | 第15-16页 |
| ·神经网络集成的理论分析 | 第16页 |
| ·印刷体数学公式识别简介 | 第16-18页 |
| ·公式识别的发展概况 | 第16-17页 |
| ·印刷体数学公式识别的主要研究内容 | 第17-18页 |
| ·神经网络并行算法概述 | 第18-21页 |
| ·并行计算 | 第18页 |
| ·几种常见的BP网络并行算法 | 第18-21页 |
| ·本文的主要工作 | 第21-22页 |
| 2 基于神经网络集成的印刷体数学公式字符识别 | 第22-32页 |
| ·图像预处理 | 第22-26页 |
| ·去除噪声 | 第23页 |
| ·倾斜矫正 | 第23-24页 |
| ·二值化 | 第24-25页 |
| ·符号分离 | 第25页 |
| ·粘连字符分割 | 第25-26页 |
| ·字符图像正规化 | 第26页 |
| ·字符识别 | 第26-31页 |
| ·特征选择与提取 | 第26-28页 |
| ·数学公式字符识别器 | 第28-29页 |
| ·数值试验 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 一种基于BP神经网络集成的分布式并行算法分类器 | 第32-41页 |
| ·基于网络集成的BP分布式并行算法 | 第32-34页 |
| ·主处理器算法 | 第33-34页 |
| ·从处理器算法 | 第34页 |
| ·数值试验 | 第34-38页 |
| ·数据清洗 | 第34页 |
| ·数据预处理 | 第34页 |
| ·数据的选择 | 第34页 |
| ·算法及参数设置 | 第34-35页 |
| ·分支神经网络权重的生成 | 第35页 |
| ·神经网络集成的输出 | 第35页 |
| ·实验结果 | 第35-38页 |
| ·实验结果分析 | 第38-39页 |
| ·神经网络集成的泛化能力 | 第38页 |
| ·并行算法分析 | 第38-39页 |
| ·进一步工作 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 结论 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 附录A 数学符号集 | 第46-47页 |
| 附录B 测试样本 | 第47-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-50页 |