基于神经网络的汽车车型识别方法的技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 概述 | 第10-16页 |
| ·课题来源、国内外研究现状与水平 | 第10-12页 |
| ·课题来源 | 第10页 |
| ·国内外研究现状与水平 | 第10-11页 |
| ·惠州地区车型识别现状 | 第11-12页 |
| ·现有的几种识别车型方法 | 第12-13页 |
| ·无线电波或红外线检测车型 | 第12页 |
| ·雷达检测车型 | 第12页 |
| ·利用车辆重量检测车型 | 第12页 |
| ·感应线圈检测车型 | 第12-13页 |
| ·基于神经网络的方法 | 第13页 |
| ·研究意义、目标 | 第13-14页 |
| ·研究意义 | 第13-14页 |
| ·研究目标 | 第14页 |
| ·本文的主要研究内容和论文组织结构 | 第14-16页 |
| 第二章 人工神经网络与车辆识别技术 | 第16-29页 |
| ·人工神经网络的理论基础 | 第16-19页 |
| ·神经元模型 | 第16页 |
| ·转移函数 | 第16-17页 |
| ·学习规则 | 第17-18页 |
| ·神经元的工作过程 | 第18-19页 |
| ·几种典型的神经网络的研究 | 第19-23页 |
| ·感知器 | 第19-20页 |
| ·BP神经网络 | 第20-21页 |
| ·Hopfield网络 | 第21-22页 |
| ·ART网络 | 第22-23页 |
| ·BP人工神经网络 | 第23-26页 |
| ·BP网络结构 | 第23-24页 |
| ·BP网络的特性 | 第24页 |
| ·BP神经网络的算法描述 | 第24-25页 |
| ·BP算法的改进 | 第25-26页 |
| ·车型识别系统概述 | 第26-28页 |
| ·图像处理 | 第26-28页 |
| ·车型识别 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 车型识别技术特征值的提取 | 第29-36页 |
| ·几种车型模型分析 | 第29-34页 |
| ·轿车模型分析 | 第29-31页 |
| ·货车模型分析 | 第31-32页 |
| ·客车模型分析 | 第32-34页 |
| ·识别理论依据 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 BP神经网络的车型识别技术研究 | 第36-49页 |
| ·样本数据规格化 | 第36-37页 |
| ·训练样本的选取 | 第36页 |
| ·输入矢量归一化处理 | 第36-37页 |
| ·BP神经网络的构造 | 第37-43页 |
| ·输入层、输出层结点数的确定 | 第37-38页 |
| ·隐层结点数的确定 | 第38-40页 |
| ·BP神经网络的构建 | 第40页 |
| ·网络初始权值的选取 | 第40-41页 |
| ·网络学习速率 | 第41页 |
| ·网络训练 | 第41-43页 |
| ·车型识别系统概述 | 第43-48页 |
| ·系统功能模块 | 第43-44页 |
| ·用 MATLAB编程构造BP网络的初始结构 | 第44-45页 |
| ·系统设计和后台数据库 | 第45-47页 |
| ·系统运行结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·本文主要的创新点 | 第49-50页 |
| ·未来工作的展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文 | 第54页 |
