基于遗传算法优化BP神经网络的手写体字母识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10页 |
| 1.4 本文的结构安排 | 第10-12页 |
| 第2章 字母识别与图像处理 | 第12-24页 |
| 2.1 字符识别流程 | 第12页 |
| 2.2 图像的预处理 | 第12-22页 |
| 2.2.1 图像二值化 | 第12-14页 |
| 2.2.2 边缘提取 | 第14-15页 |
| 2.2.3 图像分割 | 第15-16页 |
| 2.2.4 归一化 | 第16-18页 |
| 2.2.5 细化 | 第18-19页 |
| 2.2.6 特征提取 | 第19-21页 |
| 2.2.7 分类和输出 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 BP神经网络 | 第24-37页 |
| 3.1 人工神经网络 | 第24-27页 |
| 3.1.1 ANN的基本结构与模型 | 第24-27页 |
| 3.1.2 人工神经网络的分类 | 第27页 |
| 3.2 BP神经网络模型 | 第27-32页 |
| 3.3 BP神经网络的优缺点 | 第32-33页 |
| 3.3.1 BP神经网络的优点 | 第32页 |
| 3.3.2 BP神经网络的缺点 | 第32-33页 |
| 3.4 BP神经网络的学习步骤 | 第33-34页 |
| 3.5 本章小结 | 第34-37页 |
| 第4章 遗传算法优化BP神经网络 | 第37-49页 |
| 4.1 遗传算法的发展 | 第37页 |
| 4.2 遗传算法的特点 | 第37-38页 |
| 4.3 基本遗传算法 | 第38-44页 |
| 4.3.1 染色体编码 | 第38页 |
| 4.3.2 适应度值的评估 | 第38-39页 |
| 4.3.3 选择 | 第39-42页 |
| 4.3.4 交叉与变异 | 第42-43页 |
| 4.3.5 内部运算 | 第43-44页 |
| 4.4 自适应遗传算法 | 第44-45页 |
| 4.5 遗传算法优化BP神经网络 | 第45-47页 |
| 4.5.1 相连层之间的权值优化 | 第45-46页 |
| 4.5.2 遗传算法优化BP神经网络的步骤 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 手写体字母识别的实现 | 第49-61页 |
| 5.1 BP神经网络参数设置 | 第49-51页 |
| 5.1.1 输入与输出层的参数设置 | 第49-50页 |
| 5.1.2 BP神经网络隐含层节点数量的确定 | 第50页 |
| 5.1.3 BP神经网络其他参数的确定 | 第50-51页 |
| 5.2 遗传算法的参数设计 | 第51-52页 |
| 5.2.1 种群规模的确定 | 第51页 |
| 5.2.2 交叉算子与变异算子的确定 | 第51-52页 |
| 5.2.3 迭代次数的确定 | 第52页 |
| 5.3 实验测试以及结果分析 | 第52-59页 |
| 5.3.1 图像识别 | 第52-57页 |
| 5.3.2 算法对比与结果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
