轨道衡车牌识别系统
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引论 | 第8-18页 |
| ·模式识别概述 | 第8-13页 |
| ·模式与模式识别系统 | 第9-11页 |
| ·模式识别发展回顾 | 第11-12页 |
| ·模式识别的应用领域 | 第12-13页 |
| ·主要模式识别方法简介 | 第13-17页 |
| ·数据聚类法 | 第13-15页 |
| ·统计分类法 | 第15-16页 |
| ·结构模式识别法 | 第16页 |
| ·神经网络法 | 第16-17页 |
| ·本文研究的主要内容和主要工作 | 第17-18页 |
| ·各章内容简介 | 第17页 |
| ·本文的主要工作 | 第17-18页 |
| 第二章 机器学习覆盖算法 | 第18-30页 |
| ·机器学习简介 | 第18-20页 |
| ·覆盖算法介绍 | 第20-29页 |
| ·M-P神经元及其几何意义 | 第21-23页 |
| ·FP算法简介 | 第23-26页 |
| ·覆盖算法 | 第26-28页 |
| ·交叉覆盖算法 | 第28-29页 |
| ·覆盖算法与 SVM算法的比较 | 第29-30页 |
| 第三章 商空间粒度计算理论 | 第30-36页 |
| ·粒度与粒度计算 | 第30页 |
| ·商空间理论介绍 | 第30-34页 |
| ·商空间理论及应用 | 第31-33页 |
| ·与粗糙集的比较 | 第33-34页 |
| ·基于商空间模型的粒度计算 | 第34-36页 |
| 第四章 系统设计与实现 | 第36-68页 |
| ·系统的应用背景及组成 | 第36-38页 |
| ·系统的应用背景 | 第36页 |
| ·系统的组成 | 第36-38页 |
| ·系统的详细设计与实现 | 第38-56页 |
| ·预处理 | 第38-40页 |
| ·车牌定位 | 第40-44页 |
| ·二值化 | 第44-46页 |
| ·去除噪声 | 第46-48页 |
| ·字符分割 | 第48-52页 |
| ·倾斜校正 | 第52-53页 |
| ·字符归一化 | 第53页 |
| ·字符识别 | 第53-56页 |
| ·多粒度的字符识别覆盖算法 | 第56-61页 |
| ·多粒度的字符识别覆盖算法的引入 | 第56-58页 |
| ·多粒度的字符识别覆盖算法介绍 | 第58-61页 |
| ·多粒度的字符识别覆盖算法分析 | 第61页 |
| ·实验与分析 | 第61-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结 | 第68-70页 |
| ·本文研究的总结 | 第68-69页 |
| ·需进一步开展的工作 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录A 表索引 | 第73页 |
| 附录B 图索引 | 第73-75页 |
| Appendix A Table Index | 第75页 |
| Appendix B Figure Index | 第75-78页 |
| 致谢 | 第78-79页 |
| 在学期间发表的学术论文、参与的研究项目 | 第79-80页 |
