基于特征融合与神经网络的手写体数字识别技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·手写体数字识别概述 | 第7页 |
| ·手写体数字识别研究现状以及研究方法 | 第7-9页 |
| ·手写体数字识别应用前景 | 第9页 |
| ·手写体数字识别难点 | 第9-10页 |
| ·手写体数字识别系统性能评价方法 | 第10页 |
| ·本论文主要研究内容及各章节安排 | 第10-12页 |
| 第二章 手写体数字识别预处理 | 第12-24页 |
| ·手写体数字图像平滑滤波 | 第12-14页 |
| ·中值滤波原理 | 第12-13页 |
| ·中值滤波过程 | 第13-14页 |
| ·数字图像二值化 | 第14-17页 |
| ·整体阈值二值化 | 第14-15页 |
| ·局部阈值二值化 | 第15页 |
| ·动态阈值二值化 | 第15-16页 |
| ·利用空间信息进行阈值选取 | 第16-17页 |
| ·数字图像归一化 | 第17-18页 |
| ·位置归一化 | 第17页 |
| ·大小归一化 | 第17-18页 |
| ·数字图像细化 | 第18-23页 |
| ·细化作用 | 第18-19页 |
| ·细化算法分类 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 手写体数字特征选择和提取 | 第24-31页 |
| ·手写体特征集 | 第24-25页 |
| ·结构特征提取 | 第25页 |
| ·统计特征提取 | 第25-27页 |
| ·数字识别系统的特征选取 | 第27-30页 |
| ·粗网格特征 | 第28页 |
| ·交截特征 | 第28-29页 |
| ·骨架结构特征 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 手写体数字特征融合与神经网络的实现 | 第31-43页 |
| ·BP 神经网络模型简介 | 第31-32页 |
| ·BP 神经网络工作原理 | 第32-33页 |
| ·BP 神经网络算法 | 第33-34页 |
| ·BP 神经网络拓扑结构确定 | 第34-35页 |
| ·隐层数确定 | 第34-35页 |
| ·隐层节点数 | 第35页 |
| ·BP 神经网络训练 | 第35-37页 |
| ·训练 | 第35-36页 |
| ·学习率和冲量系数 | 第36页 |
| ·BP 神经网络学习过程 | 第36-37页 |
| ·BP 神经网络主要特点 | 第37-38页 |
| ·BP 神经网络局限性 | 第38-39页 |
| ·本论文BP 神经网络设计 | 第39-40页 |
| ·BP 神经网络优化及改进 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 实验结果 | 第43-45页 |
| ·编程软件MATLAB | 第43页 |
| ·测试图像 | 第43页 |
| ·实验结果数据 | 第43-44页 |
| ·实验结果分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第六章 全文总结 | 第45-46页 |
| ·论文主要工作以及总结 | 第45页 |
| ·进一步研究工作及展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 研究生期间发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |
| 详细摘要 | 第53-57页 |
