手写数字识别中的图像平移旋转及特征提取问题研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 论文的研究背景及意义 | 第11-12页 |
| 1.2 MNIST手写数字数据集 | 第12-13页 |
| 1.3 手写数字识别的研究现状 | 第13-14页 |
| 1.4 论文的内容和结构安排 | 第14-16页 |
| 第二章 BP神经网络的相关理论基础 | 第16-32页 |
| 2.1 感知器和神经网络的架构 | 第16-18页 |
| 2.1.1 感知器 | 第16-17页 |
| 2.1.2 S型神经元 | 第17页 |
| 2.1.3 神经网络的架构 | 第17-18页 |
| 2.2 二次代价函数和梯度下降算法 | 第18-20页 |
| 2.3 反向传播算法 | 第20-22页 |
| 2.4 改进神经网络性能的方法 | 第22-31页 |
| 2.4.1 交叉熵代价函数 | 第22-23页 |
| 2.4.2 柔性最大值 | 第23-24页 |
| 2.4.3 过度拟合和规范化 | 第24-28页 |
| 2.4.4 权重初始化 | 第28-29页 |
| 2.4.5 合理选择神经网络学习速率 | 第29页 |
| 2.4.6 其他相关技术 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 解决手写数字识别中的平移和旋转问题 | 第32-46页 |
| 3.1 问题分析 | 第32-33页 |
| 3.2 图像去噪 | 第33-37页 |
| 3.2.1 二值化 | 第34-35页 |
| 3.2.2 线标记算法寻找连通域 | 第35-37页 |
| 3.3 添加滑动窗口居中图像 | 第37-39页 |
| 3.4 基于主成分分析旋转图像 | 第39-44页 |
| 3.4.1 主成分分析 | 第39-41页 |
| 3.4.2 图像旋转算法 | 第41-43页 |
| 3.4.3 旋转图像坐标调整至主方向 | 第43-44页 |
| 3.5 实验结果比较与分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 提取数字主要特征方法的研究与实现 | 第46-56页 |
| 4.1 问题分析 | 第46页 |
| 4.2 隐藏神经元作用分析 | 第46-49页 |
| 4.3 分析数字识别错误的原因 | 第49-50页 |
| 4.4 本文提出的提取图像主要特征的方法 | 第50-55页 |
| 4.4.1 分割统计各区域数字轮廓的面积 | 第51-52页 |
| 4.4.2 分割统计各区域重心坐标 | 第52-53页 |
| 4.4.3 分割统计各区域的图像矩 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
