电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

基于神经网络的手写数字识别系统的设计与实现

基于神经网络的手写数字识别系统的设计与实现_第1页
1/41
基于神经网络的手写数字识别系统的设计与实现_第2页
2/41
基于神经网络的手写数字识别系统的设计与实现_第3页
3/41
中 南 大 学本科生毕业论文(设计)题 目 基于 神经网络的手写数字 识别系统的设计与实现目录摘要ⅠABSTRACT Ⅱ 第一章绪论 1 1 。 1 手写体数字识别讨论的进展及讨论现状 1 1 。 2 神经网络在手写体数字识别中的应用 2 1.3 论文结构简介 3 第二章手写体数字识别 4 2 。 1 手写体数字识别的一般方法及难点 4 2.2 图像预处理概述 4 2.3 图像预处理的处理步骤 5 2.3 。 1 图像的平滑去噪 5 2 。 3.2 二值话处理 6 2 。 3 。 3 归一化 6 2 。 3 。 4 细化 7 2.4 小结 8 第三章特征提取 9 3.1 特征提取的概述 9 3 。 2 统计特征 9 3 。 3 结构特征 10 3 。 3 。 1 结构特征提取 10 3 。 3 。 2 笔划特征的提取 10 3 。 3.3 数字的特征向量说明 11 3.3 知识库的建立 11 第四章神经网络在数字识别中的应用 13 4.1 神经网络简介及其工作原理 13 4 。 1 。 1 神经网络概述 [ 14 ] 13 4 。 1 。 2 神经网络的工作原理 13 4 。 2 神经网络的学习与训练 [ 15] 14 4 。 3 BP 神经网络 15 4.3 。 1 BP 算法 15 4 。 3.2 BP 网络的一般学习算法 15 4 。 3.3 BP 网络的设计 16 4 。 4 BP 学习算法的局限性与对策 18 4 。 5 对 BP 算法的改进 19 第五章系统的实现与结果分析 20 5 。 1 软件开发平台 20 5.1 。 1 MATLAB 简介 20 5.1 。 2 MATLAB 的特点 20 5 。 1.3 使用 MATLAB 的优势 20 5.2 系统设计思路 21 5.3 系统流程图 21 5 。 4 MATLAB 程序设计 21 5.5 实验数据及结果分析 21 结论 27 参考文献 28 致谢 30 附录 31 摘要手写体数字识别是模式识别中一个非常重要和活跃的讨论领域,数字识别也不是一项孤立的技术,它所涉及的问题是模式识别的其他领域都无法回避的;应用上,作为一种信息处理手段,字符识别有宽阔的应用背景和巨大的市场需求。因此,对数字识别的讨论具有理论和应用的双重意义。人工神经网络识别方法是近年该讨论领域的一种新方法,该方法具有一些传统技术所没有的优点:良好的容错能力、分类能力强、并行处理和自学习能力,并且是离线训练和在线识别的。这些优点使它在手写体字符的识别中能对大量数据进行快速实时处理,并达到良好的识别效果。由于手写体数字识别难于建立精确的数学模型,所以本文采纳 BP...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

基于神经网络的手写数字识别系统的设计与实现

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部