| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-12页 |
| 第1章 绪论 | 第12-21页 |
| ·论文的研究背景 | 第12-14页 |
| ·字符识别概述 | 第14-17页 |
| ·孟加拉数字识别方法概述 | 第17-18页 |
| ·本文的工作 | 第18-21页 |
| 第2章 孟加拉数字图像预处理及特征提取 | 第21-40页 |
| ·数字图像预处理 | 第21-29页 |
| ·数字图像平滑 | 第21-23页 |
| ·图像二值化 | 第23-24页 |
| ·字符笔画宽度归一化 | 第24-28页 |
| ·大小归一化 | 第28-29页 |
| ·特征提取 | 第29-39页 |
| ·结构特征提取 | 第30-37页 |
| ·统计特征提取 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第3章 基于决策树技术的孟加拉数字识别 | 第40-61页 |
| ·决策树分类器的原理和方法 | 第40-51页 |
| ·决策树的工作原理 | 第41-42页 |
| ·决策树的建立过程 | 第42-47页 |
| ·决策树的经典算法 | 第47-51页 |
| ·孟加拉手写体数字识别决策树的构建 | 第51-60页 |
| ·孟加拉手写体数字特征的离散化 | 第51-56页 |
| ·孟加拉手写体数字识别系统决策树的设计 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第4章 基于AdaBoost算法的孟加拉数字识别 | 第61-69页 |
| ·AdaBoost算法 | 第61-64页 |
| ·AdaBoost算法在孟加拉数字识别系统中的应用 | 第64-68页 |
| ·AdaBoost多分类器结构 | 第64页 |
| ·AdaBoost多分类器的训练过程 | 第64-67页 |
| ·AdaBoost多分类器的表决与可靠性概率估计 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第5章 系统实现及实验结果 | 第69-79页 |
| ·识别系统识别流程 | 第69-71页 |
| ·识别系统性能分析 | 第71-77页 |
| ·系统性能评估的样本采集 | 第71页 |
| ·系统性能评估结果 | 第71-77页 |
| ·与其它孟加拉识别算法的性能比较 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间参与的项目及发表的学术论文 | 第82-83页 |
| 附录 部分实验代码 | 第83-87页 |
| 参考文献 | 第87-90页 |