BP算法及其在目标识别中的应用研究
| 第一章 引言 | 第8-12页 |
| 一、 模式识别及目标识别的应用 | 第8-9页 |
| 二、 神经网络目标识别研究的意义及现状 | 第9-10页 |
| 三、 工作内容及论文安排 | 第10-12页 |
| 第二章 神经网络与模式识别 | 第12-23页 |
| 第一节 模式识别 | 第12-19页 |
| 一、 模式识别概述 | 第12-13页 |
| 二、 模式识别方法概述 | 第13-17页 |
| 三、 从映射角度理解模式识别 | 第17-19页 |
| 第二节 神经网络模式识别 | 第19-23页 |
| 一、 人工神经网络简述 | 第19-21页 |
| 二、 神经网络进行目标识别的特点 | 第21-23页 |
| 第三章 BP神经网络的结构及BP算法的研究 | 第23-43页 |
| 第一节 BP神经网络的结构 | 第23-26页 |
| 一、 输入层节点数的确定 | 第23-24页 |
| 二、 隐含层数和层内节点数的确定 | 第24-26页 |
| 三、 输出层节点数的确定 | 第26页 |
| 第二节 BP算法的研究 | 第26-36页 |
| 一、 基本BP学习算法 | 第26-30页 |
| 二、 BP算法存在的缺陷及其原因分析和改进 | 第30-36页 |
| 第三节 改进BP算法的实现及流程 | 第36-40页 |
| 一、 算法的实现 | 第38-40页 |
| 二、 算法的流程图 | 第40页 |
| 第四节 使用ESPF的改进BP算法 | 第40-43页 |
| 一、 算法原理 | 第40-41页 |
| 二、 参数选取 | 第41-42页 |
| 三、 算法改进 | 第42-43页 |
| 第四章 BP算法对二值图像的识别研究 | 第43-56页 |
| 第一节 输入层初始权值的估算 | 第43-47页 |
| 一、 理论推导 | 第43-44页 |
| 二、 实验验证 | 第44-47页 |
| 第二节 BP算法中各参量的选择比较 | 第47-51页 |
| 一、 激活函数的比较 | 第47-48页 |
| 二、 动量系数和旋转角度的比较 | 第48-49页 |
| 三、 同类型飞机的识别 | 第49-51页 |
| 第三节 使用ESPF的改进:BP算法的识别结果 | 第51-53页 |
| 一、 使用ESPF的BP算法及其改进算法的比较 | 第51-52页 |
| 二、 与原有算法的比较 | 第52-53页 |
| 第四节 BP网络抗噪能力研究 | 第53-55页 |
| 一、 使用只添加动量项的BP算法 | 第53-54页 |
| 二、 使用加动量项的ESPF的BP算法 | 第54-55页 |
| 第五节 本章小结 | 第55-56页 |
| 第五章 结束语 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |
