基于多神经网络集成的手写数字识别
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 绪论 | 第10-20页 |
| ·字符识别概述 | 第10-11页 |
| ·字符识别的研究与发展 | 第11-12页 |
| ·手写数字识别的应用前景 | 第12-13页 |
| ·手写数字识别的难点 | 第13-14页 |
| ·手写数字识别系统概述 | 第14-17页 |
| ·原始图像获取阶段 | 第15页 |
| ·预处理阶段 | 第15页 |
| ·特征提取阶段 | 第15-16页 |
| ·分类识别阶段 | 第16页 |
| ·判别处理阶段 | 第16-17页 |
| ·手写体数字识别系统性能评价方法 | 第17页 |
| ·实验数据库简介 | 第17-18页 |
| ·论文主要研究内容及章节安排 | 第18-20页 |
| 2. 手写数字识别中的预处理技术 | 第20-32页 |
| ·引言 | 第20页 |
| ·图像二值化技术 | 第20-22页 |
| ·二值图像概论 | 第20-21页 |
| ·图像二值化的概念和方法 | 第21-22页 |
| ·图像规范化技术 | 第22-24页 |
| ·图像规范化技术概述 | 第23页 |
| ·图像规范化的常用方法 | 第23-24页 |
| ·图像的平滑滤波技术 | 第24-26页 |
| ·字符的细化技术 | 第26-31页 |
| ·细化技术概述 | 第26-27页 |
| ·细化算法分类 | 第27-29页 |
| ·细化后处理技术 | 第29-31页 |
| ·本章小节 | 第31-32页 |
| 3. 手写数字识别中的特征提取技术 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·结构特征 | 第33-37页 |
| ·结构点特征 | 第33-34页 |
| ·投影密度特征 | 第34-35页 |
| ·外轮廓差特征 | 第35-36页 |
| ·穿越密度特征 | 第36-37页 |
| ·统计特征 | 第37-43页 |
| ·全局Kirsch 边缘方向特征 | 第38-40页 |
| ·局部链码方向特征 | 第40-41页 |
| ·局部凹度变换特征 | 第41-43页 |
| ·网格像素分布特征 | 第43页 |
| ·特征组合实验 | 第43-45页 |
| ·本章小节 | 第45-46页 |
| 4. 神经网络分类器 | 第46-58页 |
| ·引言 | 第46页 |
| ·神经网络概述 | 第46-47页 |
| ·神经网络的基本模型 | 第47-48页 |
| ·BP 神经网络 | 第48-51页 |
| ·多层前馈网络 | 第49-50页 |
| ·反向传播学习算法 | 第50-51页 |
| ·BP 神经网络分类器设计 | 第51-54页 |
| ·神经网络分类器的训练和比较 | 第54-56页 |
| ·本章小节 | 第56-58页 |
| 5. 多分类器的融合识别 | 第58-65页 |
| ·引言 | 第58-59页 |
| ·多分类器融合的分类 | 第59-61页 |
| ·多分类器并联融合 | 第61-62页 |
| ·动态权值方法 | 第62-63页 |
| ·实验结果及分析 | 第63-65页 |
| 6. 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 后记 | 第71-72页 |
| 致谢 | 第72-73页 |
| 在读期间科研成果目录 | 第73页 |
