首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于改进型BP网络图像压缩方法的研究

摘要第1-5页
ABSTRACT第5-8页
1 绪论第8-14页
   ·研究的背景和意义第8-10页
     ·研究背景第8-9页
     ·研究意义第9-10页
   ·国内外研究现状第10-12页
     ·图像压缩的发展概况第10页
     ·BP 网络在图像压缩方面的研究概况第10-12页
   ·本论文的主要内容第12-14页
2 图像压缩与神经网络第14-31页
   ·图像压缩第14-20页
     ·图像数据的冗余第14-15页
     ·几种常用的图像压缩算法第15-17页
     ·现代图像压缩方法第17-19页
     ·图像的评价标准第19-20页
   ·基于BP 网络的图像压缩第20-29页
     ·BP 算法第21-22页
     ·BP 算法的推导第22-27页
     ·基于BP 网络图像压缩的原理第27-29页
     ·基于BP 网络图像压缩的步骤第29页
   ·BP 网络的局限性第29-30页
   ·本章小结第30-31页
3 基于改进PSO-BP 网络的图像压缩第31-49页
   ·PSO 算法原理及其改进第31-39页
     ·PSO 原理及算法流程第31-33页
     ·PSO 算法优化能力分析第33-34页
     ·PSO 算法的改进第34-39页
   ·基于PSO 优化训练的BP 网络第39-43页
     ·进化算法优化方式的研究方法第39-40页
     ·基于PSO 算法训练神经网络的原理、步骤第40-43页
     ·PSO 优化神经网络的评价标准第43页
   ·改进的PSO-BP 训练算法第43-45页
     ·PSO-BP 算法的提出第43-44页
     ·PSO-BP 算法的训练步骤第44-45页
   ·图像压缩仿真试验第45-48页
   ·本章小结第48-49页
4 基于改进SA-BP 网络的图像压缩第49-67页
   ·学习速率的自适应调整方法第49-58页
     ·全局学习速率自适应方法第49-52页
     ·局部学习速率自适应方法第52-58页
   ·局部学习速率自适应SA 算法的改进第58-64页
     ·SA 算法的缺点及改进第58-61页
     ·曲线拟合仿真试验第61-64页
   ·图像压缩仿真试验第64-66页
   ·本章小结第66-67页
5 结论第67-68页
参考文献第68-73页
攻读硕士学位期间发表的论文第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:辽东半岛岩溶夷平面及上覆风化壳的初步研究
下一篇:家庭服务机器人导航中的信息融合技术研究