| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·维吾尔文印刷体识别研究现状 | 第8-9页 |
| ·光学字符识别的发展 | 第9-12页 |
| ·光学字符识别研究历程 | 第9-11页 |
| ·OCR 识别系统工作流程 | 第11-12页 |
| ·支持向量机研究概况 | 第12-13页 |
| ·支持向量机理论的发展 | 第12-13页 |
| ·支持向量机的多类分类算法研究 | 第13页 |
| ·本文的内容安排 | 第13-15页 |
| 第二章 维吾尔文印刷体识别方法与研究 | 第15-25页 |
| ·维吾尔文文字的特点 | 第15页 |
| ·基于字母的维吾尔文印刷体识别方法 | 第15-19页 |
| ·基于字母的维吾尔文印刷体识别系统的特点 | 第17-18页 |
| ·维吾尔文字母识别的特点总结 | 第18-19页 |
| ·维吾尔文联体段的分布及识别特点 | 第19-24页 |
| ·基于字母个数的连体段分布 | 第19-20页 |
| ·基于使用频率的连体段分布 | 第20-22页 |
| ·连体段分布规律小结 | 第22-23页 |
| ·基于连体段识别的特点 | 第23-24页 |
| ·总结 | 第24-25页 |
| 第三章 基于支持向量机的分类算法 | 第25-40页 |
| ·统计学习理论 | 第25-28页 |
| ·机器学习的表示及ERM 准则 | 第25-26页 |
| ·统计学习理论的核心内容 | 第26-28页 |
| ·支持向量机 | 第28-32页 |
| ·线性支持向量机的分类原理 | 第29-31页 |
| ·非线性支持向量机和核函数 | 第31-32页 |
| ·基于支持向量机的多类分类算法 | 第32-35页 |
| ·“一对一”方法(One-against-one Method) | 第33页 |
| ·“一对多”方法(One-against-rest Method) | 第33-34页 |
| ·有向无环图(Directed Acyclic Graph, DAG) | 第34-35页 |
| ·决策二叉树方法(Decision Binary Tree，DBT) | 第35页 |
| ·基于欧氏距离的支持向量机决策树构造方法 | 第35-37页 |
| ·SVM 决策树组合策略一(EUTree1-SVM) | 第36页 |
| ·SVM 决策树组合策略二(EUTree2-SVM) | 第36-37页 |
| ·四种多类分类算法仿真实验 | 第37-39页 |
| ·实验结果分析 | 第39-40页 |
| 第四章 基于SVM 维吾尔文印刷体识别系统分类器设计实现 | 第40-55页 |
| ·基于连体段使用概率的决策树构造算法 | 第40-43页 |
| ·哈夫曼最优二叉树 | 第40-41页 |
| ·基于连体段使用概率的最优分类决策树构造算法 | 第41-43页 |
| ·基于连体段使用概率的最优分类决策树特点 | 第43页 |
| ·分类器模块设计及参数选择 | 第43-46页 |
| ·分类器功能模块设计 | 第43-44页 |
| ·核函数选择 | 第44-45页 |
| ·RBF 核函数(C,σ~2 ) 参数值选择 | 第45-46页 |
| ·用户接口及通用文本接口 | 第46-53页 |
| ·训练文件导入用户接口及接口文本 | 第47-50页 |
| ·参数设置用户接口 | 第50页 |
| ·预测文件导入用户接口以及接口文本 | 第50-51页 |
| ·预测结果文本文档 | 第51-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55页 |
| ·维吾尔文印刷体识别技术展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表论文清单 | 第60-61页 |
| 致谢 | 第61页 |
