基于统计理论的货币识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·自助服务系统 | 第8-9页 |
| ·货币识别技术 | 第9-11页 |
| ·本文工作与论文组织 | 第11-13页 |
| 第二章 货币识别研究现状 | 第13-28页 |
| ·传统识别方法 | 第13-16页 |
| ·号码识别 | 第13页 |
| ·清分 | 第13-14页 |
| ·面额识别 | 第14-15页 |
| ·真伪识别 | 第15-16页 |
| ·其他研究内容 | 第16页 |
| ·基于神经网络的方法 | 第16-21页 |
| ·神经网络介绍 | 第16-20页 |
| ·应用神经网络进行货币识别的研究现状 | 第20-21页 |
| ·优化神经网络方法 | 第21-27页 |
| ·掩模技术优化 | 第21-23页 |
| ·主分量PCA技术优化 | 第23-24页 |
| ·遗传算法优化 | 第24-26页 |
| ·概率函数优化 | 第26页 |
| ·其他优化 | 第26-27页 |
| ·本章总结 | 第27页 |
| ·本课题的来源 | 第27-28页 |
| 第三章 货币知识和研究思路 | 第28-35页 |
| ·当前主要研究思路分析 | 第28-29页 |
| ·货币性质的概率分布 | 第29-31页 |
| ·货币特征的概率分布 | 第31-32页 |
| ·真伪识别的分析 | 第32-33页 |
| ·本文的总体研究思路 | 第33-34页 |
| ·本章总结 | 第34-35页 |
| 第四章 传感器的选择方法 | 第35-46页 |
| ·传感器有效性分析 | 第35-37页 |
| ·传感器精度分析 | 第37-40页 |
| ·传感器可区分性分析 | 第40-43页 |
| ·两类问题的分析 | 第40-42页 |
| ·多类问题的分析 | 第42-43页 |
| ·特征独立性分析 | 第43-44页 |
| ·本章总结 | 第44-46页 |
| 第五章 货币模型和识别算法 | 第46-60页 |
| ·货币的分类 | 第46-47页 |
| ·真币模型 | 第47-48页 |
| ·基于概率的识别算法 | 第48-50页 |
| ·基于距离的识别算法 | 第50-52页 |
| ·多传感器的信息融合算法 | 第52-55页 |
| ·运动纸币的识别算法 | 第55-57页 |
| ·识别算法的可靠性分析 | 第57-58页 |
| ·本章总结 | 第58-60页 |
| 第六章 验证试验 | 第60-63页 |
| ·实验设计 | 第60-61页 |
| ·试验结果和分析 | 第61-63页 |
| 第七章 结束语 | 第63-64页 |
| ·研究工作总结 | 第63页 |
| ·下一步的研究计划 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间主要的研究成果 | 第72页 |
