基于SVM-GA的小字符集脱机手写汉字识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·脱机手写汉字识别的研究背景及意义 | 第9-10页 |
| ·手写体汉字识别简介 | 第10-12页 |
| ·脱机手写体汉字识别的研究难点 | 第11-12页 |
| ·脱机手写体汉字识别的基本步骤 | 第12-15页 |
| ·图像的获取 | 第12-13页 |
| ·图像的预处理 | 第13页 |
| ·图像的特征提取 | 第13-14页 |
| ·图像的分类识别 | 第14-15页 |
| ·后处理 | 第15页 |
| ·本文主要研究内容及章节安排 | 第15-18页 |
| 2 手写体汉字收集与预处理 | 第18-26页 |
| ·汉字样本收集 | 第18-20页 |
| ·汉字图像预处理 | 第20-25页 |
| ·灰度化 | 第20-21页 |
| ·二值化 | 第21-22页 |
| ·平滑去噪 | 第22-23页 |
| ·切分 | 第23页 |
| ·归一化 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 特征提取 | 第26-40页 |
| ·手写体汉字的结构特征 | 第27-28页 |
| ·手写体汉字的统计特征 | 第28-30页 |
| ·全局特征方法 | 第29页 |
| ·局部特征方法 | 第29-30页 |
| ·本文采用的特征提取方法 | 第30-40页 |
| ·网格划分 | 第31-34页 |
| ·四方向分解 | 第34-38页 |
| ·弹性网格方向分解特征的提取 | 第38-40页 |
| 4 分类识别 | 第40-70页 |
| ·机器学习与统计学习理论 | 第40-43页 |
| ·机器学习 | 第40-41页 |
| ·统计学习理论 | 第41-43页 |
| ·支持向量机概述 | 第43-48页 |
| ·支持向量机理论 | 第43页 |
| ·支持向量机分类 | 第43-45页 |
| ·核函数 | 第45-47页 |
| ·参数对分类的影响 | 第47-48页 |
| ·改进的自适应GA-SVM 参数选择 | 第48-56页 |
| ·遗传算法概述 | 第48-52页 |
| ·改进的自适应遗传算法 | 第52-54页 |
| ·脱机手写汉字分类器识别的软件实现流程 | 第54-56页 |
| ·实验结果与分析 | 第56-70页 |
| 5 总结与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |
