| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1.引言 | 第10-20页 |
| 1.1 模式识别技术 | 第10-12页 |
| 1.1.1 模式识别技术基本方法介绍 | 第10-11页 |
| 1.1.2 模式识别技术应用 | 第11-12页 |
| 1.2 汉字识别 | 第12-18页 |
| 1.2.1 汉字识别技术概述 | 第12-15页 |
| 1.2.2 汉字识别技术研究现状 | 第15-17页 |
| 1.2.3 大字符集汉字识别难点 | 第17-18页 |
| 1.3 本文主要研究内容与章节安排 | 第18-20页 |
| 2.自组织特征映射神经网络 | 第20-36页 |
| 2.1 人工神经网络概述 | 第20-23页 |
| 2.1.1 人工神经元模型 | 第20-21页 |
| 2.1.2 人工神经网络模型 | 第21-22页 |
| 2.1.3 人工神经网络学习方式 | 第22-23页 |
| 2.2 自组织神经网络 | 第23-29页 |
| 2.2.1 自组织神经网络提出 | 第23-24页 |
| 2.2.2 自组织神经网络结构 | 第24-25页 |
| 2.2.3 自组织神经网络学习原理 | 第25-28页 |
| 2.2.4 自组织神经网络学习算法流程 | 第28-29页 |
| 2.3 自组织神经网络的经典改进算法 | 第29-32页 |
| 2.4 自组织神经网络的应用 | 第32-33页 |
| 2.5 本章小结 | 第33-36页 |
| 3.基于分块获胜序列SOM模型的特征提取 | 第36-46页 |
| 3.1 图像分块方法概述 | 第36-37页 |
| 3.2 基于BWS-SOM模型的特征提取 | 第37-43页 |
| 3.2.1 分块获胜序列特征提取过程 | 第37-42页 |
| 3.2.2 模板匹配的识别方法 | 第42-43页 |
| 3.3 汉字融合 | 第43-44页 |
| 3.3.1 K-means算法 | 第43-44页 |
| 3.3.2 融合字体的生成 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 4.基于BWS-SOM模型的大字符集汉字识别 | 第46-64页 |
| 4.1 汉字库及实验准备 | 第46-48页 |
| 4.2 BWS-SOM模型有效性验证 | 第48-51页 |
| 4.2.1 基于BWS-SOM模型提取特征的可分性验证 | 第48-50页 |
| 4.2.2 BWS-SOM模型分类能力验证 | 第50-51页 |
| 4.3 BWS-SOM模型应用于大字符集单字体汉字识别 | 第51-54页 |
| 4.4 BWS-SOM模型应用于大字符集多字体汉字识别 | 第54-62页 |
| 4.4.1 多字体汉字预处理方法 | 第54-56页 |
| 4.4.2 汉字预处理方法及特征提取参数方案选择 | 第56-59页 |
| 4.4.3 大字符集多字体汉字识别 | 第59-61页 |
| 4.4.4 大字符集多字体汉字识别系统操作界面 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 5.结论与展望 | 第64-66页 |
| 5.1 本文的主要工作 | 第64-65页 |
| 5.2 下一步工作思路 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72-76页 |
| 附录1 特征提取程序 | 第72-74页 |
| 附录2 识别阶段程序 | 第74页 |
| 附录3 大字符集多字体汉字识别系统GUI部分程序 | 第74-76页 |
| 致谢 | 第76-78页 |
| 在学期间公开发表论文及著作情况 | 第78页 |
