| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 DCNN模型的发展和研究现状 | 第11-13页 |
| 1.2.2 DCNN模型中感受野的研究现状 | 第13-14页 |
| 1.2.3 手写体汉字识别的发展和研究现状 | 第14-15页 |
| 1.3 论文的主要工作和内容安排 | 第15-17页 |
| 2. 深度卷积神经网络模型 | 第17-31页 |
| 2.1 DCNN模型的结构 | 第17-21页 |
| 2.1.1 M-P模型 | 第17页 |
| 2.1.2 ANN模型 | 第17-18页 |
| 2.1.3 DCNN模型 | 第18-21页 |
| 2.2 DCNN模型的训练 | 第21-25页 |
| 2.2.1 模型的前向计算 | 第21-22页 |
| 2.2.2 模型的反馈计算 | 第22-25页 |
| 2.3 DCNN模型的正则化方法 | 第25-30页 |
| 2.3.1 参数惩罚法 | 第26页 |
| 2.3.2 噪声法 | 第26-27页 |
| 2.3.3 Early-Stopping | 第27-29页 |
| 2.3.4 集成学习法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3. 深度卷积神经网络模型中感受野的性质研究 | 第31-40页 |
| 3.1 感受野 | 第31页 |
| 3.2 感受野与模型的关系 | 第31-33页 |
| 3.2.1 感受野与模型参数个数的关系 | 第31-32页 |
| 3.2.2 感受野与特征图大小的关系 | 第32页 |
| 3.2.3 感受野与模型层数的关系 | 第32-33页 |
| 3.3 实验设计与结果分析 | 第33-38页 |
| 3.3.1 DCNN模型及数据集的构建 | 第33-34页 |
| 3.3.2 实验一 | 第34页 |
| 3.3.3 实验二 | 第34-35页 |
| 3.3.4 实验三 | 第35-36页 |
| 3.3.5 实验结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4. DCNN模型在脱机手写体汉字识别中的应用 | 第40-49页 |
| 4.1 数据集 | 第40-42页 |
| 4.1.1 HCL2000数据集 | 第40-41页 |
| 4.1.2 CASIA-HWDB1.1 数据集 | 第41-42页 |
| 4.1.3 数据的预处理 | 第42页 |
| 4.2 脱机手写体汉字识别的DCNN模型结构 | 第42-45页 |
| 4.2.1 实验一 | 第43-44页 |
| 4.2.2 实验二 | 第44-45页 |
| 4.2.3 实验三 | 第45页 |
| 4.3 模型的训练 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-48页 |
| 4.4.1 在HCL2000数据集上的实验结果 | 第46页 |
| 4.4.2 在CASIA-HWDB1.1 数据集上的实验结果 | 第46页 |
| 4.4.3 实验结果对比 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5. 总结与展望 | 第49-50页 |
| 5.1 本文的主要工作 | 第49页 |
| 5.2 未来工作的展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-57页 |
| 在校期间的科研成果 | 第57-58页 |
| 附录DCNN模型核心代码 | 第58-65页 |