基于运动图像的手写汉字识别研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-40页 |
| ·论文研究的背景 | 第14-15页 |
| ·问题的描述 | 第15-18页 |
| ·脱机手写汉字识别 | 第15-17页 |
| ·基于运动图像的手写汉字识别 | 第17-18页 |
| ·问题研究的理论与实践意义 | 第18页 |
| ·手写汉字识别综述 | 第18-33页 |
| ·历史回顾 | 第19-20页 |
| ·国内外研究发展现状 | 第20-32页 |
| ·手写汉字识别研究的难点 | 第32-33页 |
| ·本文的主要工作 | 第33-40页 |
| 第二章 基于笔画结构的手写汉字特征提取 | 第40-63页 |
| ·引言 | 第40-41页 |
| ·Bayes 分类方法 | 第41-43页 |
| ·一种基于笔画的方向分解方法 | 第43-48页 |
| ·背景介绍 | 第43-44页 |
| ·基本定义 | 第44-45页 |
| ·算法实现 | 第45-48页 |
| ·一种基于笔画密度的弹性网格特征提取方法 | 第48-54页 |
| ·弹性网格 | 第48-49页 |
| ·笔画密度函数的定义 | 第49-51页 |
| ·密度网格的构造及其特征提取 | 第51-54页 |
| ·一种改进的Gabor 特征提取方法 | 第54-56页 |
| ·背景介绍 | 第54页 |
| ·Gabor 特征提取及改进 | 第54-56页 |
| ·实验结果 | 第56-60页 |
| ·本章小结与讨论 | 第60-63页 |
| 第三章 支持向量机与手写汉字识别 | 第63-78页 |
| ·引言 | 第63-64页 |
| ·统计学习理论的简单回顾 | 第64-66页 |
| ·支持向量机的分类方法 | 第66-69页 |
| ·支持向量机的训练策略 | 第69-71页 |
| ·基于支持向量机的大类别 HCCR 两级分类模型 | 第71-72页 |
| ·实验结果 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 附录 A3 | 第76-78页 |
| 第四章 PCA& LDA 在手写汉字识别中的应用 | 第78-92页 |
| ·PCA&LDA 与手写汉字特征压缩 | 第78-83页 |
| ·引言 | 第78-79页 |
| ·特征压缩 | 第79-82页 |
| ·实验结果 | 第82-83页 |
| ·小结 | 第83页 |
| ·一种基于多通道PCA 模型的手写汉字识别新方法 | 第83-90页 |
| ·引言 | 第83-84页 |
| ·方向分解网格特征 | 第84-85页 |
| ·手写汉字的多通道PCA 模型与识别 | 第85-87页 |
| ·实验结果 | 第87-89页 |
| ·小结 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 第五章 基于运动图像的在线手写汉字识别系统 | 第92-109页 |
| ·引言 | 第92-93页 |
| ·系统原理 | 第93-100页 |
| ·笔尖定位 | 第94-95页 |
| ·笔尖模板更新 | 第95-98页 |
| ·处理区域确定 | 第98-99页 |
| ·手写汉字提取 | 第99页 |
| ·手写汉字识别 | 第99-100页 |
| ·笔尖匹配的快速算法 | 第100-101页 |
| ·手写汉字提取 | 第101-104页 |
| ·实验结果 | 第104-107页 |
| ·本章小结 | 第107-109页 |
| 结论与展望 | 第109-113页 |
| 攻读博士学位期间完成的学术论文 | 第113-114页 |
| 致谢 | 第114页 |
