用神经网络方法分割粘连字符的一种改进方案
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-27页 |
| ·人工神经网络 | 第10-15页 |
| ·人工神经网络概述 | 第10-11页 |
| ·人工神经网络的设计 | 第11-14页 |
| ·人工神经网络的应用 | 第14-15页 |
| ·模式识别 | 第15-18页 |
| ·模式识别的主要方法 | 第15-16页 |
| ·统计方法解决模式识别问题的步骤 | 第16-17页 |
| ·人工神经网络解决模式识别问题 | 第17-18页 |
| ·统计学习理论 | 第18-24页 |
| ·样本学习模型的一般表示 | 第18-21页 |
| ·学习过程的一致性 | 第21-22页 |
| ·一致收敛的界 | 第22-24页 |
| ·OCR系统中数学公式的分割、识别与重组 | 第24-27页 |
| ·OCR的发展现状 | 第24-25页 |
| ·OCR系统中的数学公式识别 | 第25-27页 |
| 2 图像预处理与字符分割 | 第27-39页 |
| ·图像的预处理 | 第27-28页 |
| ·文字符号自动分离 | 第28-29页 |
| ·粘连符号的分割方法 | 第29-39页 |
| ·最短路径分割 | 第30-31页 |
| ·基于SOFM网络的字符分割 | 第31-36页 |
| ·基于最短路径方法和SOFM的字符分割方法 | 第36-39页 |
| 3 特征提取和选择 | 第39-47页 |
| ·基于矩的特征提取 | 第40-43页 |
| ·基于主分量分析的特征选择 | 第43-47页 |
| 4 字符识别 | 第47-59页 |
| ·BP网络 | 第47-56页 |
| ·BP网络概述 | 第47-51页 |
| ·BP网络输出层设计 | 第51-56页 |
| ·识别实验 | 第56-59页 |
| 5 公式重组 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录A 分割区域的确定和调整 | 第64-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-70页 |
| 大连理工大学学位论文版权使用授权书 | 第70页 |
