| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 论文研究的背景及意义 | 第9-11页 |
| 1.1.1 论文研究的背景 | 第9-10页 |
| 1.1.2 论文研究的意义 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 研究目标和内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究的主要内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 图像预处理与识别 | 第15-36页 |
| 2.1 图像预处理过程简介 | 第15-16页 |
| 2.2 图像预处理 | 第16-31页 |
| 2.2.1 灰度化处理 | 第16-17页 |
| 2.2.2 目标区域图像二值化 | 第17-19页 |
| 2.2.3 去离散噪声及平滑处理 | 第19-20页 |
| 2.2.4 几何校正和图像分割 | 第20-24页 |
| 2.2.5 字符归一化处理 | 第24-26页 |
| 2.2.6 图像的特征提取 | 第26-31页 |
| 2.3 图像识别 | 第31-33页 |
| 2.4 传统的分类器识别 | 第33-36页 |
| 2.4.1 最小错误率的贝叶斯决策 | 第33-34页 |
| 2.4.2 感知器分类器 | 第34-35页 |
| 2.4.3 邻近分类器 | 第35-36页 |
| 第三章 神经网络学习算法 | 第36-61页 |
| 3.1 神经网络 | 第36-42页 |
| 3.1.1 神经网络的基本概念 | 第36-37页 |
| 3.1.2 神经网络的结构 | 第37-38页 |
| 3.1.3 神经网络的拓扑结构 | 第38-40页 |
| 3.1.4 神经网络的学习算法 | 第40-42页 |
| 3.2 基于神经网络的智能识别算法 | 第42-48页 |
| 3.2.1 单隐层前馈神经网络 | 第42-45页 |
| 3.2.2 多隐层前馈神经网络 | 第45-47页 |
| 3.2.3 反向传播算法 | 第47-48页 |
| 3.3 传统分类器与基于神经网络的智能识别算法的对比 | 第48-51页 |
| 3.3.1 流程对比 | 第48-50页 |
| 3.3.2 准确率对比 | 第50-51页 |
| 3.4 实验结果对比分析 | 第51-59页 |
| 3.4.1 图像样本训练 | 第51-54页 |
| 3.4.2 阅卷系统实验过程 | 第54-57页 |
| 3.4.3 实验结果分析 | 第57-58页 |
| 3.4.4 关键代码的实现 | 第58-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 阅卷系统的研究设计 | 第61-73页 |
| 4.1 系统结构设计 | 第61-62页 |
| 4.2 数据流程分析 | 第62-64页 |
| 4.3 数据库概要设计 | 第64-65页 |
| 4.4 网络阅卷系统主要流程 | 第65-68页 |
| 4.4.1 网络阅卷系统业务流程 | 第65-66页 |
| 4.4.2 扫描系统主要流程 | 第66-67页 |
| 4.4.3 图像预处理主要流程 | 第67-68页 |
| 4.4.4 图像识别主要流程 | 第68页 |
| 4.5 网络阅卷系统实现 | 第68-72页 |
| 4.5.1 图像扫描识别子系统设计实现 | 第69页 |
| 4.5.2 网络阅卷子系统设计实现 | 第69-71页 |
| 4.5.3 统计分析子系统设计实现 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第79页 |