基于神经网络的手写体数字识别关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·问题的提出 | 第7-8页 |
| ·手写体数字识别的发展历史与研究概况 | 第8页 |
| ·手写数字识别的样本库 | 第8-9页 |
| ·手写数字识别系统的性能评价 | 第9-10页 |
| ·主要研究内容 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| 2 有关神经网络模型的基本知识 | 第11-19页 |
| ·引言 | 第11页 |
| ·神经网络模型介绍 | 第11-12页 |
| ·BP网络的学习规则与计算方法 | 第12-19页 |
| ·BP神经网络的学习训练过程 | 第14-17页 |
| ·BP神经网络学习算法的具体步骤 | 第17-19页 |
| 3 特征选择与特征提取 | 第19-26页 |
| ·概述 | 第19-21页 |
| ·手写数字字符识别中的特征选择与提取 | 第21-26页 |
| ·傅立叶变换特征 | 第21-22页 |
| ·重心矩特征 | 第22-23页 |
| ·Kirsch算子特征 | 第23-24页 |
| ·投影特征 | 第24-26页 |
| 4 基于BP神经网络的数字识别系统设计 | 第26-38页 |
| ·引言 | 第26页 |
| ·数据采集输入 | 第26-27页 |
| ·数据的预处理 | 第27-33页 |
| ·图像降噪与滤波 | 第27-28页 |
| ·图像的边缘提取与二值化 | 第28-31页 |
| ·图像的归一化 | 第31-33页 |
| ·图像的细化 | 第33页 |
| ·神经网络的训练与学习 | 第33-38页 |
| ·神经网络学习训练 | 第33-34页 |
| ·训练集的选取 | 第34页 |
| ·BP神经网络结构的确定 | 第34-35页 |
| ·层数的选择 | 第35页 |
| ·层内神经元节点数目的确定 | 第35-36页 |
| ·初始值的确定 | 第36页 |
| ·网络误差的确定 | 第36-37页 |
| ·BP网络训练过程 | 第37-38页 |
| 5. 实验结果与分析 | 第38-44页 |
| ·分类器的设计 | 第38-40页 |
| ·神经网络分类器1的设计 | 第38页 |
| ·神经网络分类器2的设计 | 第38-39页 |
| ·神经网络分类器3的设计 | 第39页 |
| ·神经网络分类器4的设计 | 第39-40页 |
| ·组合特征分类器 | 第40页 |
| ·实验结果 | 第40-44页 |
| 6 结束语 | 第44-46页 |
| ·研究工作总结 | 第44页 |
| ·研究展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-51页 |
