基于神经网络的手写数字字符的识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·手写体数字字符识别问题的提出 | 第11页 |
| ·手写数字识别的研究背景和研究意义 | 第11-12页 |
| ·学习和测试样本库的选择 | 第12-13页 |
| ·基于手写体数字字符识别的典型应用 | 第13-14页 |
| ·手写数字字符的识别方法 | 第14页 |
| ·本论文创新之处 | 第14-15页 |
| ·本论文的内容安排 | 第15页 |
| ·参考文献 | 第15-16页 |
| 第二章 神经网络基本知识 | 第16-42页 |
| ·神经网络概述 | 第16-17页 |
| ·神经元模型 | 第17-20页 |
| ·人工神经网络 | 第20-25页 |
| ·神经网络概述 | 第20-21页 |
| ·人工神经网络的特性 | 第21-22页 |
| ·神经网络的学习方式 | 第22-23页 |
| ·神经网络的结构 | 第23-24页 |
| ·神经网络的优点 | 第24-25页 |
| ·BP神经网络 | 第25-40页 |
| ·BP神经网络概述 | 第25-26页 |
| ·反向传播算法的数学推导 | 第26-33页 |
| ·BP神经网络的激活函数 | 第33-34页 |
| ·反向传播算法中计算的两次通过 | 第34-36页 |
| ·BP算法的改进 | 第36-40页 |
| ·参考文献 | 第40-42页 |
| 第三章 手写体数字字符的特征提取 | 第42-61页 |
| ·概述 | 第42-46页 |
| ·手写体字符特征提取方法概述 | 第45页 |
| ·结构特征提取方法 | 第45-46页 |
| ·统计特征提取方法 | 第46页 |
| ·整体特征 | 第46-48页 |
| ·边缘特征 | 第48-57页 |
| ·图像的预处理 | 第48-51页 |
| ·边缘检测 | 第51页 |
| ·常用的边缘检测算子 | 第51-57页 |
| ·傅立叶变换特征 | 第57-60页 |
| ·参考文献 | 第60-61页 |
| 第四章 实验及结果分析 | 第61-71页 |
| ·分类器组合的方法 | 第61-64页 |
| ·实验步骤 | 第64-66页 |
| ·实验结果 | 第66-68页 |
| ·小结 | 第68-69页 |
| ·参考文献 | 第69-71页 |
| 附录 USPS样本库的文件结构 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |
