| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·人工神经网络简介 | 第11-14页 |
| ·人工神经网络的发展及应用 | 第11-13页 |
| ·人工神经网络的主要特点 | 第13-14页 |
| ·虚拟样本简介 | 第14页 |
| ·本文的研究内容及组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 人工神经网络和模式识别基本原理 | 第16-28页 |
| ·神经网络模型 | 第16-20页 |
| ·生物神经网络模型 | 第16-17页 |
| ·人工神经元模型 | 第17-18页 |
| ·人工神经网络模型 | 第18-20页 |
| ·人工神经网络的学习方式 | 第20-21页 |
| ·模式识别基本概念及系统组成 | 第21-24页 |
| ·模式识别的基本概念 | 第21-22页 |
| ·模式识别的一般方法及组成结构 | 第22-23页 |
| ·神经网络模式识别系统 | 第23-24页 |
| ·模式识别的一些基本问题 | 第24-25页 |
| ·图像预处理 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于 MATLAB 的 BP 网络的设计 | 第28-42页 |
| ·BP 网络简述 | 第28-33页 |
| ·BP 网络的结构及工作原理 | 第28-32页 |
| ·BP 网络优缺点及其用于模式识别的评价标准 | 第32-33页 |
| ·BP 算法的改进 | 第33-37页 |
| ·动量 BP 算法（momentum backpropagation， MOBP） | 第34页 |
| ·学习率可变的 BP 算法 VLBP | 第34-35页 |
| ·LM（Levenberg-Marquardt）算法 | 第35页 |
| ·弹性 BP 算法 | 第35-36页 |
| ·变梯度算法 | 第36页 |
| ·几种学习算法的比较 | 第36-37页 |
| ·BP 网络设计 | 第37-39页 |
| ·隐层数的确定： | 第37页 |
| ·传递函数的选择: | 第37-38页 |
| ·各层的节点数的确定： | 第38-39页 |
| ·误差函数的确定 | 第39页 |
| ·问题分析及 BP 网络设计 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 虚拟样本的生成技术的研究 | 第42-48页 |
| ·虚拟样本的必要性 | 第42-43页 |
| ·虚拟样本生成技术的研究 | 第43-44页 |
| ·虚拟样本的设计与实现 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验与分析 | 第48-61页 |
| ·实验设计及具体方案 | 第48-53页 |
| ·样本采集 | 第48-49页 |
| ·图像预处理 | 第49-50页 |
| ·生成 BP 网络的训练样本 | 第50-51页 |
| ·训练 BP 网络 | 第51-52页 |
| ·测试 BP 网络的识别率 | 第52-53页 |
| ·实验及结果分析 | 第53-59页 |
| ·本章小结 | 第59-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |