多分类器集成的脱机手写体汉字识别方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第1章 绪论 | 第13-20页 |
| ·引言 | 第13页 |
| ·手写体汉字识别的研究意义 | 第13-14页 |
| ·手写体汉字识别的国内外研究概况 | 第14-17页 |
| ·手写体汉字识别的研究历史 | 第14-15页 |
| ·手写体汉字识别的研究现状 | 第15-16页 |
| ·手写体汉字识别的新阶段和新进展 | 第16-17页 |
| ·脱机手写体汉字识别的问题与困难 | 第17-18页 |
| ·论文的主要工作 | 第18页 |
| ·论文结构 | 第18-20页 |
| 第2章 手写体汉字识别技术综述 | 第20-29页 |
| ·手写体汉字识别的基本过程 | 第20页 |
| ·图像输入 | 第20-21页 |
| ·预处理 | 第21-25页 |
| ·二值化 | 第21-22页 |
| ·平滑 | 第22-23页 |
| ·规范化 | 第23页 |
| ·细化 | 第23-24页 |
| ·汉字切分 | 第24-25页 |
| ·特征提取 | 第25-27页 |
| ·特征提取的目的 | 第25页 |
| ·特征提取的常用方法 | 第25-27页 |
| ·分类 | 第27页 |
| ·后处理 | 第27页 |
| ·小结 | 第27-29页 |
| 第3章 分类器及分类器集成 | 第29-42页 |
| ·分类器的定义及设计准则 | 第29-31页 |
| ·常用的分类器 | 第31-37页 |
| ·基于距离的分类器 | 第31-32页 |
| ·模糊识别分类器 | 第32页 |
| ·基于概率统计的贝叶斯（Bayes）分类器 | 第32-34页 |
| ·人工神经网络分类器 | 第34-37页 |
| ·支持向量机分类器 | 第37页 |
| ·分类器集成方法 | 第37-41页 |
| ·投票法 | 第37-38页 |
| ·最优线性集成 | 第38-39页 |
| ·贝叶斯（Bayes）集成 | 第39页 |
| ·神经网络集成 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第4章 一种脱机手写体汉字识别的多分类器集成方法 | 第42-50页 |
| ·前言 | 第42-43页 |
| ·特征提取 | 第43-44页 |
| ·支持向量机 | 第44-45页 |
| ·多分类器集成 | 第45-47页 |
| ·实验与结果 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第5章 手写汉字文稿自动识别系统 | 第50-57页 |
| ·系统研制的目的 | 第50页 |
| ·系统的工作环境 | 第50页 |
| ·系统的硬件环境 | 第50页 |
| ·系统的软件环境 | 第50页 |
| ·系统的组成及工作流程 | 第50-56页 |
| ·小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间发表的论文 | 第63页 |
