基于云平台的连续手写识别系统
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-10页 |
| 1.3 国内外相关技术研究现状分析 | 第10-14页 |
| 1.3.1 手写识别技术研究现状 | 第10-11页 |
| 1.3.2 手写输入方式发展现状 | 第11-12页 |
| 1.3.3 分布式云计算发展现状 | 第12-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 章节内容组织结构 | 第15-16页 |
| 第2章 连续手写识别相关技术 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习识别引擎 | 第16-19页 |
| 2.2.1 卷积神经网络 | 第16-18页 |
| 2.2.2 卷积神经网络在手写上的应用 | 第18-19页 |
| 2.3 基于N-GRAM的后处理方法 | 第19-22页 |
| 2.3.1 N元文法模型 | 第19-21页 |
| 2.3.2 N元文法模型在手写识别中的应用 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于云平台的连续手写识别系统设计 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 系统整体框架设计 | 第23-24页 |
| 3.3 客户端系统设计 | 第24-28页 |
| 3.3.1 输入界面设计 | 第25-26页 |
| 3.3.2 通信模块设计 | 第26-28页 |
| 3.3.3 离线识别引擎 | 第28页 |
| 3.4 云端系统设计 | 第28-30页 |
| 3.5 系统交互设计 | 第30-34页 |
| 3.5.1 在线状态下第一次书写交互 | 第30-32页 |
| 3.5.2 在线状态下同一事务中编辑交互 | 第32-33页 |
| 3.5.3 在线状态下点击OK提交文本交互 | 第33页 |
| 3.5.4 离线状态下书写交互 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于云平台的连续手写识别系统的实现 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 客户端系统的实现 | 第35-37页 |
| 4.2.1 手写序列的多级呈现 | 第35-37页 |
| 4.2.2 双识别引擎的实现 | 第37页 |
| 4.3 云端服务器系统的实现 | 第37-44页 |
| 4.3.1 负载均衡节点的搭建 | 第37-40页 |
| 4.3.2 单字识别模块的实现 | 第40-41页 |
| 4.3.3 后处理模块的实现 | 第41-42页 |
| 4.3.4 手写数据存储的实现 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 系统评测对比实验 | 第45-61页 |
| 5.1 实验环境 | 第45-46页 |
| 5.2 识别性能对比实验 | 第46-51页 |
| 5.2.1 实验数据 | 第46-47页 |
| 5.2.2 识别准确率对比评测 | 第47-50页 |
| 5.2.3 效率对比评测 | 第50-51页 |
| 5.3 负载压力测试实验 | 第51-57页 |
| 5.3.1 低负载访问评测 | 第52-54页 |
| 5.3.2 高负载访问评测 | 第54-55页 |
| 5.3.3 不同负载访问评测 | 第55-57页 |
| 5.4 系统兼容性对比实验 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
