| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 手写文字识别的研究现状 | 第12-13页 |
| 1.2.2 深度学习的研究现状 | 第13页 |
| 1.2.3 深度学习在手写识别中的应用 | 第13-14页 |
| 1.3 本文研究内容与组织结构 | 第14-16页 |
| 第2章 文字识别的预处理及特征提取 | 第16-25页 |
| 2.1 预处理方案设计 | 第17-22页 |
| 2.1.1 去噪方案设计 | 第17-20页 |
| 2.1.2 手写文本二值化处理 | 第20-22页 |
| 2.2 特征提取方案 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于小波深度置信网络图像识别 | 第25-35页 |
| 3.1 特征匹配 | 第25-26页 |
| 3.2 深度置信网络算法分析 | 第26-29页 |
| 3.3 小波深度置信网络 | 第29-34页 |
| 3.3.1 小波深度置信网络改进方案 | 第29-31页 |
| 3.3.2 小波深度置信网络模型的建立 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 粒子群优化小波深度置信网络 | 第35-44页 |
| 4.1 小波深度置信网络的学习过程分析 | 第35-37页 |
| 4.2 粒子群算法 | 第37-40页 |
| 4.2.1 粒子群算法分析 | 第37-38页 |
| 4.2.2 粒子群算法的基本步骤和流程 | 第38-40页 |
| 4.3 基于粒子群优化算法的小波深度置信网络设计 | 第40-43页 |
| 4.3.1 粒子群算法与小波深度置信网络结合的可行性 | 第40页 |
| 4.3.2 粒子群算法优化小波深度置信网络的基本思路 | 第40-41页 |
| 4.3.3 优化方案设计 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-53页 |
| 5.1 实验方案 | 第44-47页 |
| 5.1.1 实验平台 | 第44页 |
| 5.1.2 实验数据与方法 | 第44-45页 |
| 5.1.3 实验数据集选取方法 | 第45-47页 |
| 5.1.4 实验网络参数设置及实验过程 | 第47页 |
| 5.2 实验数据及结果分析 | 第47-52页 |
| 5.2.1 不同隐藏层的DBN结构结果实验对比 | 第47-48页 |
| 5.2.2 小波深度置信网络与传统算法对比 | 第48-50页 |
| 5.2.3 粒子群优化小波深度置信网络实验对比 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间的学术成果 | 第59-60页 |
| 致谢 | 第60页 |