基于SVM的脱机手写体汉字识别方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| ·汉字识别研究的发展历程 | 第13-14页 |
| ·汉字识别的应用背景 | 第14-15页 |
| ·手写体汉字识别的难点 | 第15-16页 |
| ·手写体汉字识别的基本步骤 | 第16-17页 |
| ·论文的内容安排 | 第17-19页 |
| 第二章 脱机手写体汉字图像的预处理 | 第19-24页 |
| ·手写体汉字图像的灰度化 | 第19页 |
| ·手写体汉字图像的二值化 | 第19-20页 |
| ·手写体汉字图像的平滑处理 | 第20-21页 |
| ·手写体汉字图像的归一化 | 第21-22页 |
| ·手写体汉字图像的细化 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 脱机手写体汉字图像的特征提取 | 第24-32页 |
| ·粗分类中的字型结构特征提取方法 | 第24-27页 |
| ·细分类的手写体汉字特征提取方法 | 第27-31页 |
| ·笔划方向特征 | 第27-28页 |
| ·笔划密度特征 | 第28-29页 |
| ·小波网格特征 | 第29-31页 |
| ·手写体汉字特征的多特征融合 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 脱机手写体汉字识别的 SVM 算法研究 | 第32-44页 |
| ·统计学习理论 | 第32-35页 |
| ·VC 维 | 第33页 |
| ·推广性的界 | 第33-34页 |
| ·结构风险最小化 | 第34-35页 |
| ·支持向量机理论 | 第35-40页 |
| ·支持向量机的分类原理 | 第36-39页 |
| ·线性SVM | 第36-37页 |
| ·非线性SVM | 第37-39页 |
| ·支持向量机核函数的选择 | 第39-40页 |
| ·脱机手写体汉字的支持向量机算法 | 第40-43页 |
| ·基于二叉树的支持向量机粗分类算法 | 第40-42页 |
| ·字型分类二叉树结构 | 第40-41页 |
| ·字型分类的二叉树SVM 算法 | 第41-42页 |
| ·汉字识别算法 | 第42-43页 |
| ·“一对多”分类器 | 第42页 |
| ·手写体汉字识别细分类的“一对多”算法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 脱机手写体汉字识别的仿真分析 | 第44-49页 |
| ·汉字图像库的建立 | 第44页 |
| ·汉字图像的预处理 | 第44-45页 |
| ·字型分类 | 第45-48页 |
| ·汉字识别 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
