| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题发展现状 | 第10-11页 |
| ·课题涉及的主要技术及发展 | 第11-17页 |
| ·手势数据的获取 | 第11-12页 |
| ·手势特征的提取 | 第12-15页 |
| ·手势识别的算法 | 第15-17页 |
| ·课题的应用 | 第17-18页 |
| ·本文的主要内容安排 | 第18-20页 |
| 第二章 基于 CNN 神经网络的手势边缘特征提取研究 | 第20-28页 |
| ·卷积神经网络 | 第20-23页 |
| ·卷积网络结构 | 第20-21页 |
| ·学习算法 | 第21-22页 |
| ·加速收敛算法 | 第22-23页 |
| ·边缘检测卷积网络结构设计 | 第23-26页 |
| ·边缘特征的提取 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于 GNG 神经网络的手势骨架特征提取研究 | 第28-41页 |
| ·生长型神经气网络 | 第28-31页 |
| ·学习算法 | 第28-29页 |
| ·Voronoi 图与 Delaunay 三角形 | 第29-30页 |
| ·网络特性分析 | 第30-31页 |
| ·手势的区域分割 | 第31-34页 |
| ·区域特征 | 第31-32页 |
| ·手势区域特征的提取 | 第32-34页 |
| ·手势的凸性分析 | 第34-37页 |
| ·凸性特征 | 第34-36页 |
| ·手势凸性特征的提取 | 第36-37页 |
| ·手势的骨架特征 | 第37-40页 |
| ·常用骨架提取算法 | 第37-38页 |
| ·GNG 骨架提取步骤 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 手势识别的神经网络分类器设计 | 第41-51页 |
| ·手势识别样本库设计 | 第41-43页 |
| ·全连接多层感知机分类器 | 第43-45页 |
| ·径向基函数神经网络分类器 | 第45-46页 |
| ·径向基函数神经网络结构 | 第45-46页 |
| ·径向基函数神经网络学习 | 第46页 |
| ·可监督的神经气网络分类器 | 第46-50页 |
| ·可监督增长型神经气网络结构 | 第46-47页 |
| ·可监督增长型神经气网络学习 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 综合实验平台设计及实验结果分析 | 第51-73页 |
| ·手势识别系统逻辑架构 | 第51-55页 |
| ·WPF 与MVVM 架构 | 第51-53页 |
| ·神经网络模型设计 | 第53-55页 |
| ·手势识别系统动态设计 | 第55-58页 |
| ·手势识别系统实现和配置 | 第58-62页 |
| ·手势识别实验分析 | 第62-72页 |
| ·神经网络训练分析 | 第62-66页 |
| ·不同分类器的性能分析 | 第66-68页 |
| ·不同特征集的性能分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结束语 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻硕期间取得的研究成果 | 第79-80页 |