| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·OCR研究应用现状 | 第8-9页 |
| ·OCR技术概述 | 第9-12页 |
| ·本文的研究内容和主要工作 | 第12-14页 |
| 2 手写体字符的特征提取 | 第14-25页 |
| ·引言 | 第14-15页 |
| ·本文的特征提取方法 | 第15-24页 |
| ·预处理 | 第16-19页 |
| ·计算图像的梯度 | 第19-21页 |
| ·图像梯度沿子方向的分解 | 第21-22页 |
| ·对八向子图做网格统计并组成特征 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 分类可靠度研究 | 第25-31页 |
| ·引言 | 第25页 |
| ·可靠度的定义 | 第25-28页 |
| ·基于距离的广义可靠度定义 | 第25-26页 |
| ·距离的度量方式 | 第26-27页 |
| ·基于距离的可靠度估计定义 | 第27-28页 |
| ·实验分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 4 手写体字符识别的分类器设计 | 第31-45页 |
| ·引言 | 第31页 |
| ·本文的分类算法 | 第31-44页 |
| ·最近邻单纯型(NEAREST-NEIGHBOR SIMPLEX)分类器 | 第31-33页 |
| ·基于分类器可靠度的二级分类器 | 第33-39页 |
| ·NNS分类器与IDM二义分类器组合的二级分类器 | 第39-42页 |
| ·基于支持向量机(SVM)的分类器 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 基于CUDA的K近邻分类器优化 | 第45-52页 |
| ·引言 | 第45-46页 |
| ·CUDA计算架构简介 | 第46-48页 |
| ·硬件架构 | 第46页 |
| ·软件框架 | 第46-47页 |
| ·CUDA编程模型 | 第47-48页 |
| ·基于CUDA计算向量欧式距离 | 第48-50页 |
| ·基于CUDA的K近邻算法优化 | 第50页 |
| ·实验结果 | 第50-51页 |
| ·GPU与CPU计算欧氏距离对比实验 | 第50-51页 |
| ·使用GPU的KNN算法与CPU的KNN算法对比实验 | 第51页 |
| ·本章小结 | 第51-52页 |
| 6 实验与分析 | 第52-56页 |
| ·手写体数字字库的建立 | 第52-54页 |
| ·字符识别实验总结 | 第54-56页 |
| 7 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |