| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究工作的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 识别算法 | 第12-13页 |
| 1.2.2 分割算法 | 第13-14页 |
| 1.3 本文的贡献与创新 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关算法理论基础 | 第16-47页 |
| 2.1 引言 | 第16-17页 |
| 2.1.1 需求提出 | 第16-17页 |
| 2.1.2 研究背景 | 第17页 |
| 2.2 识别算法 | 第17-32页 |
| 2.2.1 K-means及LBG算法 | 第18-20页 |
| 2.2.2 GMM算法 | 第20-22页 |
| 2.2.2.1 单高斯模型GSM | 第20页 |
| 2.2.2.2 GMM算法理论 | 第20-22页 |
| 2.2.3 MCE算法 | 第22-25页 |
| 2.2.3.1 贝叶斯方法 | 第23页 |
| 2.2.3.2 MCE算法原理 | 第23-25页 |
| 2.2.4 CNNs算法 | 第25-32页 |
| 2.2.4.1 神经网络 | 第26-28页 |
| 2.2.4.2 CNNs的结构与特性 | 第28-32页 |
| 2.3 分割算法研究 | 第32-46页 |
| 2.3.1 瀑布算法 | 第33-35页 |
| 2.3.1.1 基础算法 | 第33-34页 |
| 2.3.1.2 瀑布算法 | 第34-35页 |
| 2.3.2 基于笔画流的分割算法 | 第35-38页 |
| 2.3.2.1 前后组合 | 第36-37页 |
| 2.3.2.2 基于竖直投影与连通域的组合分割方法 | 第37-38页 |
| 2.3.3 特征学习的分割算法 | 第38-46页 |
| 2.3.3.1 RBM网络 | 第39-41页 |
| 2.3.3.2 CAE网络 | 第41-45页 |
| 2.3.3.3 SVM分类器 | 第45-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第三章 核心算法的研究与改进 | 第47-72页 |
| 3.1 算法间的整体关联 | 第47-49页 |
| 3.2 基于特征学习的分割算法研究 | 第49-55页 |
| 3.2.1 CAE的搭建 | 第49-53页 |
| 3.2.2 AE的训练 | 第53-54页 |
| 3.2.3 特征抽取 | 第54页 |
| 3.2.4 svm的训练 | 第54-55页 |
| 3.3 基础切分改进算法 | 第55-60页 |
| 3.4 基于笔序流的分割算法 | 第60-65页 |
| 3.4.1 前后组合 | 第61-63页 |
| 3.4.2 基于密度规则的组合 | 第63-65页 |
| 3.5 CNNs的研究和改进 | 第65-71页 |
| 3.5.1 对CNNs的优化 | 第66页 |
| 3.5.2 CNNS网络的搭建 | 第66-69页 |
| 3.5.3 CNNs的训练 | 第69页 |
| 3.5.4 识别引擎基本架构 | 第69-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第四章 系统设计与算法实现 | 第72-81页 |
| 4.1 系统目标 | 第72-74页 |
| 4.2 系统设计 | 第74-76页 |
| 4.3 功能模块的算法实现 | 第76-80页 |
| 4.3.1 单字识别模块的实现 | 第76页 |
| 4.3.2 基于特征学习的数学公式提取模块实现 | 第76-77页 |
| 4.3.3 瀑布切割模块的实现 | 第77-78页 |
| 4.3.4 笔画组合模块的实现 | 第78-79页 |
| 4.3.5 段识别模块的实现 | 第79-80页 |
| 4.4 本章小结 | 第80-81页 |
| 第五章 系统模块测试 | 第81-97页 |
| 5.1 文字识别模块测试 | 第81-83页 |
| 5.2 瀑布分割模块测试 | 第83-87页 |
| 5.3 基于笔画组合的分割模块测试 | 第87-92页 |
| 5.4 基于特征学习的分割模块测试 | 第92-95页 |
| 5.5 分割算法对比测试 | 第95-96页 |
| 5.6 本章总结 | 第96-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 6.1 工作总结 | 第97页 |
| 6.2 工作展望 | 第97-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-104页 |