非特定人的自然书写脱机中文文本行识别
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景和意义 | 第12-15页 |
| ·研究的问题 | 第15-16页 |
| ·本文的工作 | 第16-19页 |
| 第二章 手写文本行识别的研究现状 | 第19-38页 |
| ·手写文本行识别的主要研究方法 | 第19-34页 |
| ·基于切分的文本行识别方法 | 第20-31页 |
| ·基于无切分的文本行识别方法 | 第31-34页 |
| ·手写文本行识别的后处理方法 | 第34-37页 |
| ·基于词典的方法 | 第34-35页 |
| ·基于语言模型的方法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 脱机手写中文文本行的预切分方法 | 第38-56页 |
| ·脱机中文文本行的预切分方法评述 | 第38-39页 |
| ·本文的预切分方法 | 第39-52页 |
| ·自然分隔的字符切分 | 第40页 |
| ·重叠字符切分 | 第40-48页 |
| ·粘连字符切分 | 第48-50页 |
| ·字符宽度的估计 | 第50-52页 |
| ·实验结果 | 第52-55页 |
| ·切分评价准则 | 第52-53页 |
| ·对比实验 | 第53-54页 |
| ·错误分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 单字符分类器的负样本训练方法 | 第56-80页 |
| ·现有的负样本训练方法评述 | 第57-62页 |
| ·本文的负样本训练方法 | 第62-68页 |
| ·线性判决分析的原理 | 第64-65页 |
| ·基于线性判决分析的负样本训练 | 第65-68页 |
| ·负样本训练的参数估计 | 第68页 |
| ·实验结果 | 第68-79页 |
| ·实验准备 | 第69-74页 |
| ·单字符识别的实验 | 第74-75页 |
| ·文本行识别的实验 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第五章 文本行识别中的多信息融合方法 | 第80-102页 |
| ·现有的多信息融合方法评述 | 第81-85页 |
| ·本文的多信息融合方法 | 第85-93页 |
| ·基于贝叶斯公式的概率模型 | 第85-89页 |
| ·第二个MQDF 分类器的实现 | 第89-92页 |
| ·算法实现 | 第92-93页 |
| ·实验结果 | 第93-101页 |
| ·实验准备 | 第94-95页 |
| ·文本行识别的实验 | 第95-99页 |
| ·错误分析 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-118页 |
| 攻读博士学位期间取得的研究成果 | 第118-120页 |
| 致谢 | 第120-122页 |
