基于改进的CNN和SVM手势识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国外手势识别研究现状 | 第8-9页 |
| 1.3 国内手势识别研究现状 | 第9-10页 |
| 1.4 本文的研究内容及章节安排 | 第10-12页 |
| 1.4.1 本文的研究内容 | 第10页 |
| 1.4.2 本文章节安排 | 第10-12页 |
| 2 卷积神经网络相关理论 | 第12-23页 |
| 2.1 人工神经网络概述 | 第12-14页 |
| 2.2 卷积神经网络概述 | 第14-15页 |
| 2.3 卷积神经网络架构 | 第15-18页 |
| 2.3.1 前向传播 | 第17页 |
| 2.3.2 反向传播 | 第17-18页 |
| 2.4 卷积神经网络工作原理 | 第18-22页 |
| 2.4.1 卷积层和梯度计算 | 第18-20页 |
| 2.4.2 池化层和梯度计算 | 第20-21页 |
| 2.4.3 全连接层 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 传统分类算法理论研究 | 第23-30页 |
| 3.1 KNN分类算法 | 第23页 |
| 3.1.1 KNN算法简介 | 第23页 |
| 3.1.2 KNN的优点 | 第23页 |
| 3.2 AdaBoost分类算法 | 第23-25页 |
| 3.2.1 AdaBoost算法简介 | 第23-24页 |
| 3.2.2 AdaBoost的优点 | 第24-25页 |
| 3.3 随机森林分类算法 | 第25-26页 |
| 3.3.1 随机森林分类算法简介 | 第25-26页 |
| 3.3.2 随机森林分类算法优点 | 第26页 |
| 3.4 SVM分类算法 | 第26-29页 |
| 3.4.1 SVM分类算法简介 | 第27-29页 |
| 3.4.2 SVM分类算法优点 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 改进的CNN和SVM手势识别算法研究 | 第30-40页 |
| 4.1 原始CNN算法不足 | 第30-31页 |
| 4.2 解决过拟合问题 | 第31-32页 |
| 4.2.1 DROPOUT优化 | 第31页 |
| 4.2.2 正则化约束 | 第31-32页 |
| 4.3 解决训练样本有限问题 | 第32-33页 |
| 4.4 CNN的手势特征提取 | 第33-34页 |
| 4.5 提出的手势识别模型 | 第34-39页 |
| 4.5.1 卷积神经网络的架构设计 | 第35-36页 |
| 4.5.2 卷积神经网络的训练 | 第36-38页 |
| 4.5.3 SVM分类器 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 5 实验结果与分析 | 第40-49页 |
| 5.1 数据集 | 第40页 |
| 5.2 实验结果及分析 | 第40-48页 |
| 5.2.1 改进的CNN模型 | 第41-45页 |
| 5.2.2 改进的CNN模型特征提取 | 第45页 |
| 5.2.3 改进的CNN和SVM模型 | 第45-47页 |
| 5.2.4 本文算法与已有算法的比较 | 第47-48页 |
| 5.3 小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
