基于自然笔画拆分的手写文字识别方法
| 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 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外相关技术的发展现状 | 第10-14页 |
| 1.3.1 手写文字识别技术的发展 | 第10-11页 |
| 1.3.2 联机手写识别发展 | 第11-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 章节内容组织 | 第15-16页 |
| 第2章 手写识别相关技术 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 预处理 | 第16-17页 |
| 2.3 特征提取 | 第17-23页 |
| 2.3.1 NCFE特征提取 | 第17-18页 |
| 2.3.2 基于笔段的特征提取 | 第18-23页 |
| 2.4 识别分类器 | 第23-26页 |
| 2.4.1 修正二次判别函数 | 第23-24页 |
| 2.4.2 支持向量机 | 第24-25页 |
| 2.4.3 卷积神经网络 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 手写文字的自然笔画提取 | 第27-36页 |
| 3.1 引言 | 第27-28页 |
| 3.2 笔段提取算法 | 第28-31页 |
| 3.2.1 基于斜率拆分规则的笔段提取 | 第28-29页 |
| 3.2.2 基于曲率拆分规则的笔段提取 | 第29-30页 |
| 3.2.3 基于斜率以及曲率拆分规则的笔段提取 | 第30-31页 |
| 3.3 人工标注的基本单元类构造 | 第31页 |
| 3.3.1 人工标注的基本单元类定义 | 第31页 |
| 3.3.2 人工标注基本单元的识别 | 第31页 |
| 3.4 基于聚类算法的基本单元类构造 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于自然笔画的CNN识别 | 第36-44页 |
| 4.1 引言 | 第36页 |
| 4.2 CNN模型 | 第36-37页 |
| 4.3 自然笔画的CNN识别 | 第37-39页 |
| 4.4 模糊特征扩展 | 第39-43页 |
| 4.4.1 模糊特征简介 | 第39-41页 |
| 4.4.2 模糊特征选择 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 系统评测对比实验 | 第44-55页 |
| 5.1 实验用到的手写字库 | 第44-45页 |
| 5.2 实验方法 | 第45-47页 |
| 5.2.1 源数据格式 | 第46-47页 |
| 5.2.2 对比方法 | 第47页 |
| 5.3 实验结果 | 第47-54页 |
| 5.3.1 拆分前后实验结果对比 | 第47-49页 |
| 5.3.2 不同拆分规则实验结果对比 | 第49-50页 |
| 5.3.3 模糊特征重要参数选择 | 第50-51页 |
| 5.3.4 人工标注特征与聚类特征实验结果对比 | 第51-53页 |
| 5.3.5 实验结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
