基于动态权值集成的手写数字识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·引言 | 第11-13页 |
| ·国内外HNR研究的历史及现状 | 第13-16页 |
| ·统计特征字符识别技术 | 第14页 |
| ·结构特征字符识别技术 | 第14-15页 |
| ·基于神经网络的字符识别技术 | 第15-16页 |
| ·基于支持向量机(SVM)的字符识别技术 | 第16页 |
| ·本文研究的目的及内容 | 第16-18页 |
| ·本文研究的目的 | 第16-17页 |
| ·本文的主要内容 | 第17-18页 |
| 第二章 手写数字识别系统概述 | 第18-21页 |
| ·引言 | 第18页 |
| ·系统介绍 | 第18页 |
| ·图像获取及预处理 | 第18-19页 |
| ·特征提取 | 第19-20页 |
| ·识别分类器 | 第20页 |
| ·小结 | 第20-21页 |
| 第三章 图像获取及预处理 | 第21-37页 |
| ·引言 | 第21-22页 |
| ·图像二值化 | 第22-27页 |
| ·常用二值化方法 | 第22页 |
| ·基于LoG算子的边缘零交叉二值化方法 | 第22-27页 |
| ·单字符分割 | 第27-31页 |
| ·现有的单字符分割方法的概述 | 第27-28页 |
| ·基于snake模型的单字符分割 | 第28-31页 |
| ·单字符平滑 | 第31-33页 |
| ·中值滤波方法 | 第31页 |
| ·Unger平滑算法 | 第31-33页 |
| ·单字符归一化 | 第33-34页 |
| ·字符细化 | 第34-36页 |
| ·细化概述 | 第34页 |
| ·细化算法 | 第34-36页 |
| ·去除细化干扰短枝 | 第36页 |
| ·小结 | 第36-37页 |
| 第四章 特征描述及提取 | 第37-45页 |
| ·引言 | 第37页 |
| ·原始点阵向量特征 | 第37-38页 |
| ·宏观特征 | 第38-40页 |
| ·粗网格特征 | 第38-39页 |
| ·七段框架投影值特征 | 第39页 |
| ·宽高比 | 第39-40页 |
| ·微观特征 | 第40-44页 |
| ·端点特征 | 第40-41页 |
| ·孔洞特征 | 第41-43页 |
| ·凹特征 | 第43页 |
| ·凸特征 | 第43-44页 |
| ·穿线数特征 | 第44页 |
| ·小结 | 第44-45页 |
| 第五章 BP神经网络原理及算法改进 | 第45-54页 |
| ·引言 | 第45-46页 |
| ·多层BP神经网络的基本原理 | 第46-47页 |
| ·BP神经网络的算法及实现 | 第47-53页 |
| ·基本BP神经网络的算法 | 第47-49页 |
| ·神经网络综合优化训练算法 | 第49-53页 |
| ·小结 | 第53-54页 |
| 第六章 识别系统的研究及实现 | 第54-60页 |
| ·引言 | 第54页 |
| ·神经网络字符识别分类器设计 | 第54-57页 |
| ·网络参数确定 | 第54-55页 |
| ·神经网络分类器1 | 第55-56页 |
| ·神经网络分类器2 | 第56页 |
| ·神经网络分类器3 | 第56-57页 |
| ·多分类器系统集成 | 第57-59页 |
| ·常用的多分类器集成方法 | 第57-58页 |
| ·动态权值的多分类器集成 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第七章 实验结果及分析 | 第60-72页 |
| ·实验用样本库介绍 | 第60-61页 |
| ·SHNID手写体数字库 | 第60-61页 |
| ·USPS手写体数字库 | 第61页 |
| ·实验结果 | 第61-70页 |
| ·对SHNID手写体数字库的实验结果 | 第61-66页 |
| ·对USPS手写体数字库的实验结果 | 第66-70页 |
| ·系统集成方法对比实验 | 第70页 |
| ·结果分析 | 第70-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 独创性声明 | 第77-78页 |
| 致谢 | 第78页 |
