| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 插图清单 | 第12-14页 |
| 表格清单 | 第14-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 研究目的和意义 | 第17-18页 |
| 1.3 本文完成的工作及整体框架 | 第18-19页 |
| 1.4 本文结构 | 第19-20页 |
| 第二章 SCUT gPen 繁体版手写输入法及数据平台 | 第20-34页 |
| 2.1 系统框架 | 第20-22页 |
| 2.2 输入法客户端的设计与实现 | 第22-30页 |
| 2.2.1 Android 平台特点及输入法框架 | 第23-24页 |
| 2.2.2 输入法客户端的设计思想及系统框架 | 第24-25页 |
| 2.2.3 输入法用户界面 | 第25-28页 |
| 2.2.4 候选框 | 第28-30页 |
| 2.3 高性能云手写识别服务器 | 第30-31页 |
| 2.4 SCUT gPen 数据平台 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 海量手写样本数据自动化整理 | 第34-48页 |
| 3.1 海量数据自动化整理平台的设计框架 | 第34-35页 |
| 3.2 数据过滤 | 第35页 |
| 3.3 数据格式正确性检查 | 第35-36页 |
| 3.4 数据格式转换 | 第36-37页 |
| 3.5 数据筛选 | 第37-41页 |
| 3.5.1 基于观察的筛选方法 | 第38-39页 |
| 3.5.2 基于置信度的筛选方法 | 第39-41页 |
| 3.6 实验结果及分析 | 第41-47页 |
| 3.6.1 数据筛选性能实验 | 第42-45页 |
| 3.6.2 系统处理时间性能实验 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 手写中文识别及书写者风格自适应技术研究 | 第48-63页 |
| 4.1 手写中文识别技术简介 | 第48页 |
| 4.2 预处理技术 | 第48-49页 |
| 4.3 特征提取 | 第49-51页 |
| 4.4 LDA 特征选择 | 第51-52页 |
| 4.5 识别分类 | 第52-55页 |
| 4.5.1 最小距离分类器 | 第52-53页 |
| 4.5.2 MQDF 分类器 | 第53-55页 |
| 4.6 书写者风格自适应算法 | 第55-57页 |
| 4.6.1 ILDA 方法 | 第55-56页 |
| 4.6.2 IMeanLDA 方法 | 第56-57页 |
| 4.7 实验结果及分析 | 第57-61页 |
| 4.7.1 识别率对比实验 | 第57-61页 |
| 4.7.2 训练时间对比实验 | 第61页 |
| 4.8 本章小结 | 第61-63页 |
| 第五章 个性化模板推送系统 | 第63-71页 |
| 5.1 模板推送系统设计思想和系统框架 | 第63-64页 |
| 5.2 用户模板文件管理系统 | 第64-65页 |
| 5.3 线程池技术 | 第65-67页 |
| 5.4 用户 ID 识别匹配系统 | 第67页 |
| 5.5 输入法客户端模板更新机制 | 第67-68页 |
| 5.6 模板文件校验系统 | 第68-69页 |
| 5.7 日志系统 | 第69-70页 |
| 5.8 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位间取得的研究成果 | 第78-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |