| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.3 国内外相关技术发展现状 | 第11-15页 |
| 1.3.1 脱机识别与联机识别 | 第11-12页 |
| 1.3.2 联机手写识别的发展 | 第12-13页 |
| 1.3.3 语句级识别后处理技术的发展 | 第13-14页 |
| 1.3.4 用户自适应模型的发展 | 第14-15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 第2章 手写汉字识别相关技术研究 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 手写字符单字识别方法 | 第16-18页 |
| 2.2.1 字符切分 | 第16页 |
| 2.2.2 预处理阶段 | 第16-17页 |
| 2.2.3 特征提取阶段 | 第17-18页 |
| 2.2.4 分类识别阶段 | 第18页 |
| 2.3 手写汉字识别后处理技术研究 | 第18-21页 |
| 2.3.1 N-gram 语言模型介绍 | 第18-19页 |
| 2.3.2 自相似计算方法的研究 | 第19-21页 |
| 2.4 用户自适应模型增量学习方法的研究 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 篇章级手写识别后处理技术与自适应模型 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 篇章级自相似计算方法的改进 | 第24-28页 |
| 3.2.1 手写字符预处理技术 | 第24-27页 |
| 3.2.2 相似度计算模型 | 第27-28页 |
| 3.3 用户自适应模型方法的改进 | 第28-32页 |
| 3.3.1 线性判别分析 LDA 算法简介 | 第29-30页 |
| 3.3.2 ILDA 算法与 IMQDF 算法的结合 | 第30-31页 |
| 3.3.3 添加自适应模型后的识别过程 | 第31-32页 |
| 3.4 引入基于字的 N-gram 语言模型 | 第32-36页 |
| 3.4.1 处理训练文本 | 第33-34页 |
| 3.4.2 N-gram 语言模型结合 MQDF 单字识别器 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 系统实现和算法评测 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 系统实现 | 第37-41页 |
| 4.2.1 iPhone 版手写文档编辑系统简介 | 第37-38页 |
| 4.2.2 篇章级手写识别系统 | 第38-41页 |
| 4.3 算法评测 | 第41-50页 |
| 4.3.1 手写字库介绍 | 第41-42页 |
| 4.3.2 自相似计算对比试验 | 第42-44页 |
| 4.3.3 添加语言模型后第一候选准确率对比试验 | 第44-47页 |
| 4.3.4 添加自适应与单字识别率对比试验 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58页 |