网络阅卷及其关键技术研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题来源及选题背景 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-10页 |
| 1.3 课题研究的目的和意义 | 第10-11页 |
| 1.3.1 课题研究的目的 | 第10-11页 |
| 1.3.2 课题研究的意义 | 第11页 |
| 1.4 论文的内容及章节安排 | 第11-13页 |
| 第二章 相关理论和技术 | 第13-26页 |
| 2.1 网络阅卷系统的理论基础 | 第13-14页 |
| 2.1.1 网络阅卷系统概述 | 第13-14页 |
| 2.1.2 教育信息化 | 第14页 |
| 2.2 图像预处理技术 | 第14-25页 |
| 2.2.1 数字图像处理 | 第14-15页 |
| 2.2.2 图像预处理的一般步骤 | 第15-16页 |
| 2.2.3 图像预处理的相关技术 | 第16-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 网络阅卷系统的需求分析和总体设计 | 第26-39页 |
| 3.1 需求分析 | 第26-27页 |
| 3.1.1 网络阅卷系统的目标 | 第26页 |
| 3.1.2 网络阅卷系统需求分析 | 第26-27页 |
| 3.2 总体设计 | 第27-38页 |
| 3.2.1 网络阅卷系统功能模块设计 | 第27-35页 |
| 3.2.2 网络阅卷系统数据库的设计 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 系统关键技术-答案及考号识别 | 第39-53页 |
| 4.1 客观题答案识别技术 | 第39-41页 |
| 4.1.1 涂卡类型的识别 | 第39-41页 |
| 4.1.2 手写类型的识别 | 第41页 |
| 4.2 卷积神经网络理论概述 | 第41-42页 |
| 4.3 卷积神经网络模型结构 | 第42-44页 |
| 4.3.1 常见的卷积神经网络模型 | 第42-43页 |
| 4.3.2 卷积神经网络的结构特点 | 第43-44页 |
| 4.4 卷积神经网络的训练 | 第44-45页 |
| 4.4.1 卷积神经网络的前向传播 | 第44页 |
| 4.4.2 卷积神经网络的后向传播 | 第44-45页 |
| 4.5 基于卷积神经网络的手写体答案识别 | 第45-52页 |
| 4.5.1 手写体答案识别现状 | 第45-46页 |
| 4.5.2 图像预处理及采用的卷积神经网络模型 | 第46-47页 |
| 4.5.3 基于卷积神经网络算法的客观题答案识别 | 第47-51页 |
| 4.5.4 基于卷积神经网络算法的手写体考号识别 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 系统实现 | 第53-61页 |
| 5.1 手写体考号和答案识别功能与系统关系流程 | 第53-54页 |
| 5.2 图像扫描模块功能设计实现 | 第54-57页 |
| 5.3 网络阅卷模块功能设计实现 | 第57-60页 |
| 5.3.1 系统管理子模块设计实现 | 第57-58页 |
| 5.3.2 学科组长题组管理子模块设计实现 | 第58-59页 |
| 5.3.3 教师阅卷管理子模块设计实现 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 研究内容总结 | 第61-62页 |
| 6.2 研究内容展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第67页 |
