基于广义回归神经网络的手写数字识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·手写数字识别的背景及意义 | 第8-9页 |
| ·手写数字识别的国内外研究现状和发展 | 第9-10页 |
| ·手写数字识别的常用方法 | 第10-12页 |
| ·手写数字识别的流程 | 第10-11页 |
| ·数字识别的方法 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 手写数字图像预处理 | 第14-25页 |
| ·图像增强 | 第14-18页 |
| ·图像的灰度化 | 第14-16页 |
| ·图像的平滑去噪 | 第16-18页 |
| ·图像的二值化 | 第18-20页 |
| ·图像的细化 | 第20-21页 |
| ·图像的归一化 | 第21-22页 |
| ·位置的归一化 | 第21-22页 |
| ·大小的归一化 | 第22页 |
| ·手写数字的特征提取和选择 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 人工神经网络 | 第25-40页 |
| ·神经网络概述 | 第25-30页 |
| ·神经网络的基本概念 | 第25页 |
| ·生物神经元模型 | 第25-26页 |
| ·人工神经网络模型 | 第26-27页 |
| ·人工神经网络的结构 | 第27-29页 |
| ·神经网络的应用 | 第29-30页 |
| ·径向基函数神经网络 | 第30-34页 |
| ·RBF神经网络概述 | 第30-31页 |
| ·RBF神经网络结构 | 第31-32页 |
| ·RBF神经网络常用的学习算法 | 第32-33页 |
| ·RBF神经网络的特点 | 第33页 |
| ·RBF神经网络设计 | 第33-34页 |
| ·广义回归神经网络 | 第34-38页 |
| ·GRNN神经网络概述 | 第34页 |
| ·GRNN的网络结构 | 第34-36页 |
| ·GRNN神经网络理论基础 | 第36-37页 |
| ·GRNN神经网络的优点 | 第37-38页 |
| ·GRNN神经网络设计 | 第38页 |
| ·本章小结 | 第38-40页 |
| 4 果蝇算法优化GRNN神经网络 | 第40-51页 |
| ·果蝇优化算法的概述 | 第40页 |
| ·果蝇优化算法的思想 | 第40-41页 |
| ·果蝇优化算法步骤 | 第41-43页 |
| ·基于果蝇优化算法的GRNN网络优化过程 | 第43页 |
| ·神经网络手写数字识别系统流程 | 第43-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
