| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文完成的工作 | 第17-18页 |
| 1.4 本文的结构 | 第18-19页 |
| 第二章 手写英文单词检索技术的研究 | 第19-32页 |
| 2.1 文本分割 | 第20-23页 |
| 2.1.1 单词分割 | 第21-22页 |
| 2.1.2 无分割技术 | 第22-23页 |
| 2.2 特征提取 | 第23-25页 |
| 2.2.1 Profiles特征 | 第23-24页 |
| 2.2.2 HOG特征 | 第24-25页 |
| 2.2.3 SIFT特征 | 第25页 |
| 2.3 度量学习算法 | 第25-30页 |
| 2.3.1 动态时间规整 | 第26-27页 |
| 2.3.2 隐马尔科夫模型 | 第27-28页 |
| 2.3.3 神经网络 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于匹配的英文单词检索算法 | 第32-49页 |
| 3.1 多层感知器 | 第32-38页 |
| 3.1.1 感知器 | 第32-33页 |
| 3.1.2 多层感知器MLP | 第33-35页 |
| 3.1.3 基于MLP的检索系统 | 第35-38页 |
| 3.2 卷积神经网络 | 第38-47页 |
| 3.2.1 卷积神经网络结构特点 | 第39-44页 |
| 3.2.2 基于双通道卷积结构的检索系统 | 第44-46页 |
| 3.2.3 基于Siamese卷积结构的检索系统 | 第46-47页 |
| 3.3 本章小结 | 第47-49页 |
| 第四章 基于识别的英文单词检索算法 | 第49-61页 |
| 4.1 长短记忆递归神经网络 | 第49-54页 |
| 4.2 时域连接模型 | 第54-57页 |
| 4.2.1 多对一策略 | 第54-56页 |
| 4.2.2 求解目标函数 | 第56页 |
| 4.2.3 解码算法 | 第56-57页 |
| 4.3 卷积神经网络与长短记忆递归神经网络结合 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 实验结果与分析 | 第61-71页 |
| 5.1 数据库描述 | 第61-64页 |
| 5.1.1 George Washington数据库 | 第61-62页 |
| 5.1.2 IAM脱机数据库 | 第62-63页 |
| 5.1.3 系统评价标准 | 第63-64页 |
| 5.2 实验结果分析 | 第64-70页 |
| 5.2.1 特征对比实验 | 第64-65页 |
| 5.2.2 不同卷积结构对比 | 第65页 |
| 5.2.3 特征可视化 | 第65-66页 |
| 5.2.4 基于匹配的检索对比实验 | 第66-67页 |
| 5.2.5 基于识别的检索对比实验 | 第67-69页 |
| 5.2.6 检索系统输出 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 结论以及展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第81页 |