| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文的研究背景和意义 | 第10-11页 |
| 1.2 深度学习技术研究现状 | 第11-12页 |
| 1.3 手写汉字识别研究现状 | 第12-14页 |
| 1.4 本文的研究内容和组织架构 | 第14-16页 |
| 第二章 深度学习基础介绍 | 第16-30页 |
| 2.1 神经网络基础简介 | 第16-19页 |
| 2.1.1 前向传播算法 | 第16-17页 |
| 2.1.2 反向传播及梯度下降算法 | 第17-19页 |
| 2.2 卷积神经网络基础介绍 | 第19-23页 |
| 2.2.1 卷积层和池化层 | 第20-21页 |
| 2.2.2 激活层 | 第21-23页 |
| 2.3 深度学习训练技巧 | 第23-26页 |
| 2.3.1 Dropout | 第23-24页 |
| 2.3.2 批量归一化 | 第24-26页 |
| 2.4 深度学习计算框架—MXNET | 第26-29页 |
| 2.4.1 编程范式 | 第26-27页 |
| 2.4.2 接口设计及性能表现 | 第27-29页 |
| 2.4.3 应用现状 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 联机手写汉字的归一化及特征取 | 第30-42页 |
| 3.1 CASIA-OLHWDB数据库简介 | 第30-31页 |
| 3.2 线性/非线性归一化 | 第31-32页 |
| 3.3 长宽比映射关系 | 第32-35页 |
| 3.4 基于中心矩的归一化方法 | 第35-39页 |
| 3.5 特征提取 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 笔迹优化 | 第42-48页 |
| 4.1 合并相邻笔迹,去噪整合 | 第42-44页 |
| 4.2 去除最短笔迹 | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 基于深度学习的联机手写汉字识别 | 第48-60页 |
| 5.1 网络结构设计 | 第48-56页 |
| 5.1.1 VGGNet：使用重复元素的深层网络 | 第48-51页 |
| 5.1.2 GoogLeNet：使用Inception结构的卷积神经网络 | 第51-53页 |
| 5.1.3 ResNet：深度残差网络 | 第53-55页 |
| 5.1.4 DenseNet：稠密连接的卷积神经网络 | 第55-56页 |
| 5.2 实验结果及分析 | 第56-59页 |
| 5.2.1 归一化 | 第56-57页 |
| 5.2.2 特征提取 | 第57-58页 |
| 5.2.3 笔迹优化 | 第58-59页 |
| 5.2.4 网络结构 | 第59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-70页 |
| 附录1 基于方向合并相邻笔迹 | 第66-68页 |
| 附录2 去除最短笔迹 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |