基于子空间的手写字符集成识别研究与应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-14页 |
| 1．1 引言 | 第8-9页 |
| 1．2 字符识别的原理 | 第9-11页 |
| 1．3 字符识别的方法 | 第11-12页 |
| 1．4 课题背景及研究目标 | 第12-13页 |
| 1．5 本文的内容安排 | 第13-14页 |
| 2 预处理与特征提取 | 第14-33页 |
| 2．1 预处理 | 第14-21页 |
| 2．1．1 字符归一化处理 | 第14-19页 |
| 2．1．2 平滑 | 第19-20页 |
| 2．1．3 轮廓跟踪 | 第20-21页 |
| 2．2 字符特征提取 | 第21-27页 |
| 2．3 字体识别特征的提取 | 第27-31页 |
| 2．3．1 文本图像的小波包分解 | 第28-30页 |
| 2．3．2 纹理特征 | 第30-31页 |
| 2．4 小结 | 第31-33页 |
| 3 子空间分类器 | 第33-48页 |
| 3．1 概述 | 第33-34页 |
| 3．2 子空间的基本概念 | 第34-36页 |
| 3．2．1 子空间 | 第34页 |
| 3．2．2 矢量在子空间上的投影 | 第34-36页 |
| 3．3 分类规则 | 第36-37页 |
| 3．4 分类器的构造 | 第37-44页 |
| 3．4．1 子空间构造方法 | 第37-40页 |
| 3．4．2 子空间维数 | 第40-41页 |
| 3．4．3 子空间构造的程序实现 | 第41-44页 |
| 3．5 识别实验 | 第44-47页 |
| 3．5．1 实验对象及实验平台 | 第44-45页 |
| 3．5．2 评价指标及实验结果 | 第45-47页 |
| 3．5．3 子空间方法的不足 | 第47页 |
| 3．6 小结 | 第47-48页 |
| 4 手写字符的集成识别 | 第48-62页 |
| 4．1 引言 | 第48-49页 |
| 4．2 基本集成机制 | 第49-55页 |
| 4．2．1 串联机制 | 第50-51页 |
| 4．2．2 并联机制 | 第51-52页 |
| 4．2．3 组合算法 | 第52-55页 |
| 4．3 BP神经网络分类器 | 第55-58页 |
| 4．3．1 BP神经网络的基本概念及运算 | 第55-57页 |
| 4．3．2 BP神经网络分类器的实现 | 第57-58页 |
| 4．4 子空间及BP分类器的集成识别 | 第58-60页 |
| 4．5 小结 | 第60-62页 |
| 5 毕业生就业信息光电录入及管理系统 | 第62-72页 |
| 5．1 任务的提出 | 第62页 |
| 5．2 总体方案设计 | 第62-66页 |
| 5．2．1 表格设计 | 第63页 |
| 5．2．2 硬件组成 | 第63-64页 |
| 5．2．3 软件设计 | 第64-66页 |
| 5．3 系统详细设计 | 第66-70页 |
| 5．3．1 表格定义 | 第66-67页 |
| 5．3．2 OMR识别 | 第67页 |
| 5．3．3 表格学习 | 第67-68页 |
| 5．3．4 字段提取 | 第68-69页 |
| 5．3．5 数据管理 | 第69-70页 |
| 5．4 软件加密 | 第70-71页 |
| 5．5 小结 | 第71-72页 |
| 6 全文工作总结及今后工作展望 | 第72-74页 |
| 致謝 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 附录 | 第80页 |
