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

论文共56页,点击 下载论文
上一篇:基于SFLA-GA混合算法求解时间最优的旅行商问题
下一篇:变精度下不完备邻域数据的属性约简研究