| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-19页 |
| 1.1 选题研究的背景及其意义 | 第9-10页 |
| 1.2 烟包喷码系统现状分析 | 第10-11页 |
| 1.3 烟包喷码字符识别方法研究 | 第11-17页 |
| 1.3.1 光学字符识别 | 第11-12页 |
| 1.3.2 常用字符识别算法研究 | 第12-17页 |
| 1.4 本文主要研究内容及结构说明 | 第17-19页 |
| 2 BP神经网络算法分析 | 第19-30页 |
| 2.1 人工神经网络 | 第19-21页 |
| 2.2 感知器神经网络 | 第21-22页 |
| 2.3 BP神经网络 | 第22-23页 |
| 2.4 神经元结构 | 第23-25页 |
| 2.4.1 神经元结构 | 第23页 |
| 2.4.2 神经元建模 | 第23-25页 |
| 2.5 神经网络学习方法 | 第25-29页 |
| 2.5.1 Hebb学习规则 | 第26-27页 |
| 2.5.2 离散感知器学习规则 | 第27-28页 |
| 2.5.3 连续感知器学习规则 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于BP神经网络的烟包喷码字符智能识别系统分析 | 第30-45页 |
| 3.1 基于BP神经网络的字符识别过程分析 | 第30页 |
| 3.2 图像预处理流程分析 | 第30-40页 |
| 3.2.1 字符灰度化 | 第32-35页 |
| 3.2.2 边缘检测与提取 | 第35-36页 |
| 3.2.3 图像平滑 | 第36-37页 |
| 3.2.4 图像增强 | 第37-40页 |
| 3.3 基于BP神经网络的字符识别模型分析应用 | 第40-44页 |
| 3.3.1 基于图像特征的自动识别 | 第40页 |
| 3.3.2 区域标记 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于改进的BP烟包喷码字符智能识别系统设计 | 第45-57页 |
| 4.1 BP神经网络算法关键参数设置 | 第45-49页 |
| 4.1.1 BP神经网络算法技术指标分析 | 第45-47页 |
| 4.1.2 BP算法的程序实现 | 第47-49页 |
| 4.2 改进的BP烟包喷码字符职能识别系统设计 | 第49-51页 |
| 4.2.1 增加动量项 | 第49页 |
| 4.2.2 自适应调整学习率 | 第49-50页 |
| 4.2.3 引入陡度因子 | 第50-51页 |
| 4.3 基于BP算法的多层感知器设计基础 | 第51-55页 |
| 4.3.1 网络信息容量 | 第51页 |
| 4.3.2 训练样本集的准备 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 5 试验及结果分析 | 第57-61页 |
| 5.1 编程采用的工具MATLAB和C++Builder编程实现 | 第57-58页 |
| 5.2 改进后的BP算法性能比较 | 第58-59页 |
| 5.3 模板匹配性能表现 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 研究总结与展望 | 第61-62页 |
| 6.1 论文的主要工作 | 第61页 |
| 6.2 存在的问题和下一步的研究方向 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |