| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及现状 | 第8-11页 |
| ·主要研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 数字识别过程和BP神经网络概述 | 第14-23页 |
| ·引言 | 第14页 |
| ·数字识别过程 | 第14-20页 |
| ·输入 | 第14-15页 |
| ·预处理 | 第15-19页 |
| ·特征向量提取 | 第19-20页 |
| ·分类和输出 | 第20页 |
| ·神经网络结构及BP算法 | 第20-22页 |
| ·神经网络结构 | 第20-21页 |
| ·BP算法描述 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于BP算法的神经网络数字识别技术研究 | 第23-32页 |
| ·引言 | 第23页 |
| ·基于LoG算子的边缘零交叉二值化图像预处理 | 第23-28页 |
| ·特征向量选取 | 第28页 |
| ·BP算法的改进 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于BP神经网络的数字识别系统设计 | 第32-39页 |
| ·引言 | 第32页 |
| ·基于BP神经网络的手写数字识别系统 | 第32-33页 |
| ·BP神经网络中基于权值集成多识别分类器技术研究 | 第33-35页 |
| ·集成分类器方法概述 | 第33-34页 |
| ·基于权值集成多分类器方法研究 | 第34-35页 |
| ·BP神经网络数字分类器的设计 | 第35-38页 |
| ·网络参数提取 | 第36页 |
| ·输入向量归一化神经网络分类器1的设计 | 第36-37页 |
| ·输入向量为归一化后提取宏观特征的神经网络分类器2设计 | 第37-38页 |
| ·将宏观特征细化后提取微观特征的神经网络分类器3的设计 | 第38页 |
| ·小结 | 第38-39页 |
| 第五章 实验及结果分析 | 第39-43页 |
| ·识别系统性能的评价标准 | 第39页 |
| ·系统采用USPS手写数字库进行测试的实验结果 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第六章 结论与展望 | 第43-44页 |
| ·研究工作与成果总结 | 第43页 |
| ·展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 攻读学位期间的主要成果 | 第49页 |