| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 前言 | 第8-15页 |
| ·研究意义 | 第8-9页 |
| ·研究现状 | 第9-14页 |
| ·模式识别的发展及现状 | 第9-10页 |
| ·地图模式识别的发展及现状 | 第10-12页 |
| ·点状地图符号和数字符号识别的发展及现状 | 第12-14页 |
| ·本文的主要内容及其组织 | 第14-15页 |
| 第二章 点状地图符号识别方法的研究 | 第15-25页 |
| ·点状地图符号特征概述 | 第15-17页 |
| ·点状地图符号基本特点 | 第15-16页 |
| ·点状地图符号的计算机表示 | 第16-17页 |
| ·点状地图符号识别的一般方法 | 第17-25页 |
| ·模板匹配法 | 第17-18页 |
| ·统计法 | 第18-19页 |
| ·结构法 | 第19页 |
| ·线划跟踪法 | 第19-20页 |
| ·数学形态学法 | 第20-22页 |
| ·人工智能法 | 第22-24页 |
| ·神经网络法 | 第24-25页 |
| 第三章 地图符号识别的神经网络模型研究 | 第25-42页 |
| ·神经网络方法分析 | 第25-31页 |
| ·神经网络概述 | 第25-26页 |
| ·神经元模型 | 第26-27页 |
| ·神经网络模型 | 第27-28页 |
| ·神经网络的学习和训练 | 第28-31页 |
| ·BP神经网络原理 | 第31-36页 |
| ·BP神经网络结构 | 第31-32页 |
| ·BP算法原理 | 第32-34页 |
| ·BP算法的程序实现 | 第34-36页 |
| ·BP网络存在的问题及改进 | 第36-39页 |
| ·BP网络存在的问题及原因 | 第36-37页 |
| ·BP网络的改进 | 第37-39页 |
| ·动量因子法 | 第37-38页 |
| ·变训练步长法 | 第38页 |
| ·对作用函数调节参数的引入 | 第38-39页 |
| ·基于数值优化方法的网络训练算法 | 第39-42页 |
| 第四章 BP神经网络在地图数字符号识别中的具体应用 | 第42-61页 |
| ·地图数字符号预处理成标准点状地图符号 | 第42-53页 |
| ·灰度化 | 第42-43页 |
| ·二值化 | 第43-46页 |
| ·全局阈值法 | 第44-45页 |
| ·局部阈值法 | 第45-46页 |
| ·图像锐化 | 第46-47页 |
| ·高通滤波法 | 第46-47页 |
| ·梯度锐化法 | 第47页 |
| ·去离散噪声 | 第47-48页 |
| ·字符分割 | 第48-50页 |
| ·尺寸标准归一化 | 第50-52页 |
| ·位置归一化 | 第52-53页 |
| ·BP网络进行地图数字符号的识别 | 第53-61页 |
| ·BP网络构建 | 第53-55页 |
| ·输入输出层节点数的确定 | 第54页 |
| ·隐层节点数的确定 | 第54-55页 |
| ·输入输出处理 | 第55页 |
| ·算法对比实验 | 第55-57页 |
| ·经典BP算法与动量因子法改进BP算法 | 第55-56页 |
| ·经典BP算法与变训练步长法改进BP算法 | 第56-57页 |
| ·参数调整实验 | 第57-59页 |
| ·测试样本图像识别结果示例 | 第59-61页 |
| 第五章 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 主要参考文献 | 第63-66页 |
| 研究生期间发表的学术论文和参加的科研项目 | 第66-67页 |