基于深度学习的手写数字识别研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题依据及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 手写数字识别概述 | 第9-11页 |
| 1.4 手写数字识别的意义 | 第11-13页 |
| 1.5 论文结构 | 第13-14页 |
| 第2章 基于机器学习的深度学习算法 | 第14-20页 |
| 2.1 手写数字识别算法历史发展 | 第14-15页 |
| 2.2 深度学习概念 | 第15-16页 |
| 2.3 深度学习算法分类 | 第16-18页 |
| 2.3.1 按学习方法分类 | 第16-17页 |
| 2.3.2 按编解码方法分类 | 第17页 |
| 2.3.3 按技术结构应用方式分类 | 第17-18页 |
| 2.4 识别结果的分类 | 第18-19页 |
| 2.5 本章总结 | 第19-20页 |
| 第3章 基于机器学习算法的手写识别系统 | 第20-28页 |
| 3.1 手写识别系统 | 第20-21页 |
| 3.2 卷积神经网络模型 | 第21-23页 |
| 3.3 开发工具安装 | 第23-24页 |
| 3.3.1 开发工具python语言 | 第23页 |
| 3.3.2 Opencv工具包 | 第23-24页 |
| 3.4 手写数字识别方法模型架构 | 第24-25页 |
| 系统搭建 | 第24-25页 |
| 3.5 编程实现算法 | 第25-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第4章 训练识别过程和结果对比分析 | 第28-34页 |
| 4.1 训练过程 | 第28-30页 |
| 4.2 数据识别实现 | 第30-32页 |
| 4.3 结果分析 | 第32-33页 |
| 4.4 本章总结 | 第33-34页 |
| 第5章 总结 | 第34-35页 |
| 参考文献 | 第35-39页 |
| 在读期间发表的学术论文 | 第39-40页 |
| 致谢 | 第40页 |
