摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-20页 |
1.1. 研究背景和意义 | 第10-12页 |
1.2. 手写数学公式数据的产生 | 第12页 |
1.3. 研究现状 | 第12-14页 |
1.4. 难点分析 | 第14-17页 |
1.4.1. 数学符号本身的二义性 | 第14-15页 |
1.4.2. 数学公式的二维复杂结构 | 第15-16页 |
1.4.3. 书写的随意性 | 第16页 |
1.4.4. 输入设备的非精确 | 第16页 |
1.4.5. 数据的表示方式 | 第16-17页 |
1.4.6. 易混字符多 | 第17页 |
1.5. 本文中识别系统的设定 | 第17-18页 |
1.6. 本文的创新点 | 第18页 |
1.7. 本文的组织结构 | 第18-20页 |
第二章 基于CNN和DBN的单字识别融合模型 | 第20-31页 |
2.1. 训练数据的采集与处理 | 第20-21页 |
2.2. 基于CNN的单字识别模型的搭建与训练 | 第21-24页 |
2.3. CNN网络对对抗样本的脆弱性 | 第24-25页 |
2.4. 基于DBN的单字识别置信度模型 | 第25-28页 |
2.5. DBN与CNN的融合 | 第28-29页 |
2.6. 对单字识别结果基于背景信息的粗筛 | 第29页 |
2.7. 本章小结 | 第29-31页 |
第三章 基于组合排序思想的数学公式识别方法的研究 | 第31-52页 |
3.1. 整体思路剖析与可行性分析 | 第31-33页 |
3.1.1. 整体思路剖析 | 第31-32页 |
3.1.2. 可行性分析 | 第32-33页 |
3.2. 笔划粗分组方法的研究 | 第33-35页 |
3.2.1. 笔划“过切”策略和算法 | 第34-35页 |
3.2.2. 笔划粗分组的方法 | 第35页 |
3.3. 初步确定数学公式二维结构的方法研究 | 第35-40页 |
3.3.1. 分式结构的确定方法 | 第36-37页 |
3.3.2. 根式结构的确定方法 | 第37-39页 |
3.3.3. 数学公式二维结构的嵌套处理 | 第39-40页 |
3.4. 基于组合思想建立候选组合路径的方法研究 | 第40-44页 |
3.4.1. 汉字词组与短语的字典搜索识别以及候选方法 | 第40-41页 |
3.4.2. 粗切分笔划组序列的临近组组合方法 | 第41-42页 |
3.4.3. 数学公式二维结构的组合方法 | 第42-44页 |
3.4.4. 组合路径中单字识别候选的展开与LaTeX表示 | 第44页 |
3.5. 候选组合路径筛选排序方法的研究 | 第44-47页 |
3.5.1. 组合膨胀问题 | 第44页 |
3.5.2. 组合路径的直接剪枝方法 | 第44-45页 |
3.5.3. 组合路径的排序剪枝方法 | 第45-47页 |
3.6. 基于语义模版和背景信息的语义纠正方法 | 第47-48页 |
3.7. 识别结果排序方法的研究 | 第48-50页 |
3.7.1. LaTeX的转写方法 | 第48-49页 |
3.7.2. 基于固定表述模版的识别结果排序方法 | 第49-50页 |
3.7.3. 基于背景信息的识别结果排序方法 | 第50页 |
3.8. 本章小结 | 第50-52页 |
第四章 基于错误识别案例的快速学习方法 | 第52-56页 |
4.1. 基于错误识别案例的快速学习方法的提出 | 第52-53页 |
4.2. 知识的学习与存储方法 | 第53-54页 |
4.3. 学到的知识在识别系统中的使用方法 | 第54-55页 |
4.4. 本章小结 | 第55-56页 |
第五章 识别系统的实现与测试分析 | 第56-65页 |
5.1. 识别系统的实现 | 第56-58页 |
5.2. 系统性能测试 | 第58页 |
5.3. 系统识别效果测试 | 第58-63页 |
5.3.1. 对比测试 | 第59-60页 |
5.3.2. 测试数据的采集与说明 | 第60-61页 |
5.3.3. 阶段测试 | 第61-62页 |
5.3.4. 分题型测试 | 第62-63页 |
5.3.5. 纯数学公式测试 | 第63页 |
5.4. 系统分析 | 第63-65页 |
第六章 总结与展望 | 第65-67页 |
6.1. 总结 | 第65页 |
6.2. 展望 | 第65-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-71页 |
攻硕期间取得的研究成果 | 第71页 |