| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 引言 | 第8-12页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 图像获取与预处理 | 第9页 |
| 1.2.2 字符切分 | 第9-10页 |
| 1.2.3 字符识别 | 第10页 |
| 1.3 BP神经网络研究概况 | 第10-11页 |
| 1.4 卷积神经网络(CNN)研究概况 | 第11页 |
| 1.5 本文的内容安排 | 第11-12页 |
| 第二章 人工神经网络及误差反向传播算法 | 第12-20页 |
| 2.1 人工神经网络 | 第12-14页 |
| 2.2 误差反向传播算法 | 第14-20页 |
| 2.2.1 概述 | 第14页 |
| 2.2.2 有教师学习系统 | 第14-15页 |
| 2.2.3 BP算法原理 | 第15页 |
| 2.2.4 误差梯度下降法 | 第15-17页 |
| 2.2.5 BP算法的缺陷 | 第17-20页 |
| 第三章 深度学习与卷积神经网络 | 第20-26页 |
| 3.1 深度学习(DEEP LEARNING) | 第20-22页 |
| 3.1.1 人脑视觉机理 | 第20-21页 |
| 3.1.2 深度学习基本思想 | 第21页 |
| 3.1.3 关于特征 | 第21-22页 |
| 3.2 卷积神经网络(CONVOLUTIONAL NEURAL NETWORKS) | 第22-26页 |
| 3.2.1 CNN的网络结构 | 第22-24页 |
| 3.2.2 CNN参数 | 第24-26页 |
| 第四章 傣文图像预处理与切分 | 第26-34页 |
| 4.1 图像的获取 | 第26-28页 |
| 4.2 图像预处理 | 第28-30页 |
| 4.2.1 二值化处理 | 第28-29页 |
| 4.2.2 霍夫变换图像倾斜矫正 | 第29-30页 |
| 4.3 字符切分 | 第30-34页 |
| 4.3.1 行切分 | 第30-31页 |
| 4.3.2 词切分 | 第31页 |
| 4.3.3 字切分 | 第31-34页 |
| 第五章 分类器设计 | 第34-48页 |
| 5.1 数据集选择 | 第34-35页 |
| 5.2 分类器概念 | 第35-36页 |
| 5.3 基于BP神经网络分类器设计 | 第36-42页 |
| 5.3.1 特征向量提取 | 第36-39页 |
| 5.3.2 输入数据预处理 | 第39-40页 |
| 5.3.3 分类器参数设计 | 第40-41页 |
| 5.3.4 训练过程与结果 | 第41-42页 |
| 5.4 基于CNN的分类器设计 | 第42-45页 |
| 5.4.1 数据预处理 | 第43-44页 |
| 5.4.2 网络结构设计 | 第44页 |
| 5.4.3 网络训练参数 | 第44-45页 |
| 5.4.4 训练结果 | 第45页 |
| 5.5 BP和CNN对比 | 第45-48页 |
| 第六章 实验结果及结论 | 第48-50页 |
| 6.1 结果 | 第48页 |
| 6.1.1 基于BP神经网络分类识别 | 第48页 |
| 6.1.2 基于CNN分类识别 | 第48页 |
| 6.2 结果分析 | 第48-49页 |
| 6.3 结论 | 第49-50页 |
| 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |