基于人工神经网络的手写字母识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题背景与研究意义 | 第8-15页 |
| 第二章 人工神经网络与手写文本识别方法 | 第15-30页 |
| 2.1 人工神经网络的发展与特点 | 第15-17页 |
| 2.2 人工神经网络的发展 | 第17-22页 |
| 2.2.1 生物神经元 | 第17-18页 |
| 2.2.2 人工神经元 | 第18-20页 |
| 2.2.3 神经网络的学习特性 | 第20页 |
| 2.2.4 神经网络模型 | 第20-22页 |
| 2.3 人工神经网络的拓扑特性 | 第22-25页 |
| 2.3.1 联接模式 | 第22-24页 |
| 2.3.2 网络的分层结构 | 第24-25页 |
| 2.4 文本实现方法 | 第25-29页 |
| 2.4.1 统计模式法 | 第26-27页 |
| 2.4.2 句法结构方法 | 第27-28页 |
| 2.4.3 神经网络方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 图像预处理技术 | 第30-36页 |
| 3.1 目标图像背景处理 | 第30-31页 |
| 3.2 图像灰度化 | 第31-32页 |
| 3.3 图像去噪 | 第32-33页 |
| 3.4 二值化 | 第33-34页 |
| 3.5 归一化 | 第34-35页 |
| 3.6 细化 | 第35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 图像特征提取方法 | 第36-44页 |
| 4.1 特征评价准则 | 第37-40页 |
| 4.2 统计特征提取法 | 第40-41页 |
| 4.3 结构特征提取法 | 第41页 |
| 4.4 主成分分析特征提取法 | 第41-42页 |
| 4.5 小波分析特征提取 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于神经网路的手写文本识别的实现 | 第44-49页 |
| 5.1 界面设计 | 第44页 |
| 5.2 特征向量获取 | 第44-45页 |
| 5.3 BP网络设计 | 第45-48页 |
| 5.3.1 网络结构 | 第45页 |
| 5.3.2 输入层和输出层节点数目 | 第45-46页 |
| 5.3.3 隐含层神经元个数 | 第46页 |
| 5.3.4 改进BP算法比较 | 第46-47页 |
| 5.3.5 学习速率的选择 | 第47页 |
| 5.3.6 训练目标的选择 | 第47页 |
| 5.3.7 具体代码实现 | 第47-48页 |
| 5.4 应用BP网络识别 | 第48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 基于神经网络的手写文本识别系统测试 | 第49-56页 |
| 6.1 实验环境 | 第49页 |
| 6.2 实验数据 | 第49页 |
| 6.3 实验结果 | 第49-52页 |
| 6.4 结果分析 | 第52-55页 |
| 6.5 本章小结 | 第55-56页 |
| 第七章 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
