| 第1章 绪论 | 第1-18页 |
| ·汉字识别技术的目的和意义 | 第12-14页 |
| ·汉字识别的研究范围 | 第14-15页 |
| ·汉字识别的应用领域 | 第15-16页 |
| ·汉字识别研究的历史回顾与现状 | 第16-17页 |
| ·本文主要研究的内容 | 第17-18页 |
| 第2章 汉字识别的一般原理及方法 | 第18-28页 |
| ·汉字识别的基本原理 | 第18-20页 |
| ·汉字识别方法的讨论 | 第20-25页 |
| ·统计模式识别法 | 第20-23页 |
| ·句法结构识别法 | 第23-24页 |
| ·人工神经网络方法 | 第24页 |
| ·支持向量机 | 第24-25页 |
| ·预处理方法的讨论 | 第25-28页 |
| ·图像二值化 | 第25-26页 |
| ·平滑化 | 第26页 |
| ·字符切分 | 第26页 |
| ·归一化 | 第26-28页 |
| 第3章 汉字识别的特征提取方法 | 第28-36页 |
| ·几种比较简单的汉字特征 | 第29-32页 |
| ·汉字投影特征 | 第29页 |
| ·网格点阵特征 | 第29-30页 |
| ·方向象素特征 | 第30-32页 |
| ·四种方向特征 | 第32-35页 |
| ·普通方向特征 | 第32-34页 |
| ·轮廓方向特征(CDF) | 第34页 |
| ·骨架方向特征(SDF) | 第34页 |
| ·多级方向特征(HPF) | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 大字符集脱机手写体汉字识别系统粗分类的设计和实现 | 第36-50页 |
| ·HCL2000手写体汉字数据库介绍 | 第36-38页 |
| ·粗分类的要求 | 第38页 |
| ·粗分类的两种形式 | 第38-39页 |
| ·不同粗分特征和分类器的选择与试验结果比较与分析 | 第39-47页 |
| ·采用三种简单特征识别率的比较 | 第39-41页 |
| ·采用方向特征识别率的比较 | 第41-45页 |
| ·采用组合特征识别率的比较 | 第45-47页 |
| ·粗分候选集大小的选择对粗分识别率的影响 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第5章 大字符集脱机手写体汉字识别系统细分类的设计和实现 | 第50-74页 |
| ·细分特征的选择 | 第50-51页 |
| ·采用模板匹配的细分类 | 第51-52页 |
| ·模板匹配细分的特点 | 第51-52页 |
| ·模板匹配细分的一般流程 | 第52页 |
| ·采用人工神经网络的细分类 | 第52-61页 |
| ·人工神经网络 | 第52-53页 |
| ·人工神经元的M-P模型 | 第53页 |
| ·加动量项改进的BP人工神经网络算法 | 第53-56页 |
| ·基于人工神经网络的大类别分类策略 | 第56-57页 |
| ·人工神经网络细分类流程框架设计 | 第57-61页 |
| ·人工神经网络具体参数的设置 | 第61页 |
| ·基于切线距离的 SVD向量分解分类器 | 第61-65页 |
| ·切线距离与切线向量 | 第61-63页 |
| ·基于切线距离的SVD选取切线向量方法 | 第63-64页 |
| ·SVD向量分解方法的切线向量个数的选择 | 第64-65页 |
| ·采用多种分类器的细分类试验结果与分析 | 第65-71页 |
| ·采用最小距离、欧式距离、最小相关性距离进行细分的试验 | 第65-67页 |
| ·采用单字单网的BP人工神经网络进行细分的试验 | 第67-69页 |
| ·采用基于切线距离的SVD向量分解分类器进行细分的试验 | 第69-71页 |
| ·粗分候选结果集对汉字最终识别率的影响 | 第71-72页 |
| ·小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-78页 |
| ·总结 | 第74-75页 |
| ·进一步工作的方向 | 第75-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第83页 |
