基于遗传进化神经网络的人民币号码识别方法研究
| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题提出的背景与意义 | 第8-9页 |
| ·纸币号码识别的国内外发展现状 | 第9-11页 |
| ·模板匹配法 | 第10页 |
| ·特征分析匹配法 | 第10-11页 |
| ·人工神经网络识别法 | 第11页 |
| ·本文的主要研究内容 | 第11-13页 |
| 第2章 图像预处理 | 第13-31页 |
| ·图像采集及号码图像特点分析 | 第13-14页 |
| ·图像采集 | 第13-14页 |
| ·号码图像特点分析 | 第14页 |
| ·灰度转换 | 第14-15页 |
| ·图像的平滑去噪 | 第15-18页 |
| ·图像的噪声 | 第15页 |
| ·图像的去噪 | 第15-18页 |
| ·图像的二值化 | 第18-21页 |
| ·边缘检测 | 第21-23页 |
| ·倾斜校正 | 第23-25页 |
| ·字符定位 | 第25-27页 |
| ·行定位 | 第26-27页 |
| ·列定位 | 第27页 |
| ·字符分割 | 第27-28页 |
| ·字符归一化 | 第28-30页 |
| ·字符大小归一化 | 第28-29页 |
| ·字符位置归一化 | 第29-30页 |
| ·本章小节 | 第30-31页 |
| 第3章 人工神经网络原理 | 第31-45页 |
| ·人工神经网络理论 | 第31-35页 |
| ·人工神经元模型 | 第31-32页 |
| ·激活函数 | 第32-33页 |
| ·人工神经网络的拓扑结构 | 第33页 |
| ·人工神经网络的学习规则 | 第33-34页 |
| ·人工神经网络的特点和优点 | 第34-35页 |
| ·BP网络的原理 | 第35-43页 |
| ·反向传播算法(BP算法) | 第36-37页 |
| ·BP神经网络训练 | 第37-38页 |
| ·BP算法的数学描述 | 第38-43页 |
| ·BP算法的改进 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 遗传算法原理 | 第45-57页 |
| ·遗传算法概述 | 第45页 |
| ·遗传算法的特点 | 第45-46页 |
| ·遗传算法的构成要素 | 第46-54页 |
| ·染色体编码方法 | 第46-48页 |
| ·个体适应度评价 | 第48-49页 |
| ·遗传算子 | 第49-53页 |
| ·控制参数的选择 | 第53-54页 |
| ·应用遗传算法进行问题求解的过程 | 第54-55页 |
| ·遗传算法在神经网络中的应用 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于遗传改进BP网络的纸币号码识别算法 | 第57-66页 |
| ·引言 | 第57页 |
| ·基于遗传进化BP网络的纸币号码识别算法的构建 | 第57-63页 |
| ·BP网络模型的参数选择 | 第57-60页 |
| ·遗传算法优化BP网络的GA-BP混合算法的实现 | 第60-63页 |
| ·网络训练 | 第63-65页 |
| ·训练样本 | 第63页 |
| ·训练效果及比对 | 第63-65页 |
| ·网络仿真结果分析 | 第65页 |
| ·本章小节 | 第65-66页 |
| 第6章 全文总结 | 第66-68页 |
| ·主要工作和结论 | 第66-67页 |
| ·今后待研究的问题 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 摘要 | 第73-76页 |
| ABSTRACT | 第76-80页 |
| 导师及作者简介 | 第80页 |
