印刷体数学公式识别中符号识别技术的研究
| 第1章 引言 | 第1-27页 |
| 1．1 课题研究的目的和意义 | 第9-11页 |
| 1．2 国际国内公式识别研究状况和进展 | 第11-14页 |
| 1．3 数学公式识别过程及存在问题 | 第14-20页 |
| 1．3．1 数学公式的识别介绍 | 第14-16页 |
| 1．3．2 数学公式的结构分析 | 第16-18页 |
| 1．3．3 数学公式识别有待解决的问题 | 第18-20页 |
| 1．4 符号的识别 | 第20-26页 |
| 1．4．1 字符识别研究的现状 | 第20-23页 |
| 1．4．2 符号识别方法 | 第23-26页 |
| 1．5 论文主要完成的工作 | 第26-27页 |
| 第2章 符号图像的预处理 | 第27-36页 |
| 2．1 图像二值化处理 | 第27-29页 |
| 2．2 图像的平滑去噪 | 第29-30页 |
| 2．3 图像的细化 | 第30-33页 |
| 2．4 图像的归一化 | 第33-35页 |
| 2．5 本章小结 | 第35-36页 |
| 第3章 符号特征的分析及分类 | 第36-44页 |
| 3．1 预处理 | 第36页 |
| 3．2 符号的初分类 | 第36-42页 |
| 3．2．1 链码形成和结构特征 | 第40-42页 |
| 3．2．2 分类算法步骤 | 第42页 |
| 3．3 本章小结 | 第42-44页 |
| 第4章 基于神经网络的细分类 | 第44-56页 |
| 4．1 神经元 | 第44-46页 |
| 4．2 人工神经网络 | 第46-50页 |
| 4．2．1 神经网络的分类 | 第46-47页 |
| 4．2．2 神经网络的学习 | 第47-50页 |
| 4．3 含有隐层的多层前向网络的训练 | 第50-53页 |
| 4．4 子网学习的实现和特征向量的选择 | 第53-55页 |
| 4．5 本章小结 | 第55-56页 |
| 第5章 符号的识别 | 第56-64页 |
| 5．1 统计模式识别与句法模式识别 | 第56-61页 |
| 5．2 符号的识别结果 | 第61-63页 |
| 5．3 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
