印刷体数学公式识别关键问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研发状况 | 第10-11页 |
| 1.2.2 国内研发状况 | 第11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第2章 印刷体数学公式识别系统概述 | 第13-23页 |
| 2.1 印刷体数学公式识别流程 | 第13-14页 |
| 2.2 关键技术 | 第14-21页 |
| 2.2.1 公式预处理 | 第14-17页 |
| 2.2.2 公式定位 | 第17-18页 |
| 2.2.3 结构分析 | 第18-21页 |
| 2.3 数学公式识别中的难点 | 第21-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 数学公式粘连符号切分 | 第23-38页 |
| 3.1 问题概述 | 第23-25页 |
| 3.2 公式符号粘连分析及切分准则 | 第25-26页 |
| 3.3 基于优选路径评估的数学公式粘连符号切分 | 第26-33页 |
| 3.3.1 水平粘连符号切分 | 第26-32页 |
| 3.3.2 垂直粘连符号切分 | 第32页 |
| 3.3.3 正反对角线粘连字符切分 | 第32-33页 |
| 3.4 实验与分析 | 第33-37页 |
| 3.4.1 实验环境 | 第33页 |
| 3.4.2 水平粘连切分测试 | 第33-35页 |
| 3.4.3 垂直粘连切分测试 | 第35-36页 |
| 3.4.4 正反对角线粘连切分测试 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 数学公式符号识别 | 第38-49页 |
| 4.1 现存方法分析 | 第38-39页 |
| 4.2 卷积神经网络概述 | 第39页 |
| 4.3 公式符号识别CNN构建 | 第39-41页 |
| 4.4 卷积神经网络的参数设置 | 第41-43页 |
| 4.4.1 结构参数 | 第41-42页 |
| 4.4.2 激活函数 | 第42-43页 |
| 4.4.3 Dropout连接方式 | 第43页 |
| 4.5 基于Keras的公式符号识别CNN实现 | 第43-44页 |
| 4.6 实验设置 | 第44-48页 |
| 4.6.1 数据集 | 第44-45页 |
| 4.6.2 实验结果及分析 | 第45-48页 |
| 4.7 小结 | 第48-49页 |
| 第5章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
