基于遗传优化的神经网络的银行票据手写数字识别
| 第一章 绪论 | 第1-12页 |
| ·本文的研究意义与目的 | 第8-9页 |
| ·本文的主要工作 | 第9-10页 |
| ·本文的算法简介 | 第10-12页 |
| 第二章 BP 神经网络理论 | 第12-19页 |
| ·人工神经网络简介及其原理 | 第12-13页 |
| ·反向传播网络BP 网络算法 | 第13-19页 |
| ·BP 网络原理简介 | 第13-14页 |
| ·BP 网络的正向传播 | 第14-15页 |
| ·BP 网络的反向传播 | 第15-17页 |
| ·利用动量法进行改进 | 第17-19页 |
| 第三章 遗传算法理论基础 | 第19-27页 |
| ·遗传算法基本概念 | 第19-22页 |
| ·遗传算法的基本原理 | 第22-23页 |
| ·模式定理 | 第23-25页 |
| ·遗传算法与神经网络的结合 | 第25页 |
| ·改进的遗传算法 | 第25-27页 |
| 第四章 二维阈值加权最大熵 | 第27-38页 |
| ·传统的阈值选取方法 | 第27-31页 |
| ·图像分割与图像阈值化概述 | 第27-28页 |
| ·直方图与直方图变换方法 | 第28-29页 |
| ·最大类间方差法(ostu 方法) | 第29-30页 |
| ·迭代分割法 | 第30-31页 |
| ·二维阈值加权最大熵 | 第31-38页 |
| ·二维阈值 | 第31-32页 |
| ·二维阈值加权最大熵 | 第32-35页 |
| ·遗传算法优化的二维阈值加权最大熵法 | 第35-37页 |
| ·分割后的图象 | 第37-38页 |
| 第五章 手写数字的多步图象处理 | 第38-51页 |
| ·改进的倾斜矫正算法 | 第38-41页 |
| ·传统的hough 变换基本原理 | 第38-39页 |
| ·改进的倾斜矫正算法 | 第39-40页 |
| ·经过倾斜矫正后的图象 | 第40-41页 |
| ·用投影法进行图象处理 | 第41页 |
| ·改进的中值滤波方法 | 第41-44页 |
| ·传统的中值滤波方法 | 第41-42页 |
| ·改进的中值滤波方法 | 第42-43页 |
| ·经过滤波后的图象 | 第43-44页 |
| ·利用zhang-suen 算法对图象进行细化 | 第44-46页 |
| ·用生成直线的 DDA 算法进行断笔处理 | 第46-47页 |
| ·运用模板匹配法寻找字符连通区域 | 第47-48页 |
| ·相连字符的分割算法 | 第48-49页 |
| ·字符的大小归一化 | 第49-51页 |
| 第六章 遗传优化的 BP 神经网络 | 第51-59页 |
| ·用遗传算法求得 BP 网络最佳初始权值 | 第51-52页 |
| ·多网络组合法 | 第52-53页 |
| ·灰度特征神经网络与二维离散余弦变换 | 第53-55页 |
| ·数字几何结构神经网络 | 第55-57页 |
| ·扫描线算法神经网络 | 第57页 |
| ·黑像素距离神经网络 | 第57页 |
| ·识别结果与分析 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 摘要 | 第62-68页 |
| Abstract | 第68-73页 |
| 致谢 | 第73页 |
