| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-18页 |
| 1.1 模式识别 | 第7-11页 |
| 1.1.1 模式识别的基本概念 | 第7-9页 |
| 1.1.2 模式识别的基本构成 | 第9-11页 |
| 1.2 手写藏文字符识别的研究现状 | 第11-15页 |
| 1.2.1 影响藏文字符识别的几个因素 | 第11-12页 |
| 1.2.2 藏文字符识别的研究现状 | 第12-15页 |
| 1.3 研究目的和研究内容 | 第15-16页 |
| 1.3.1 研究目的和意义 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 特征提取 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 基于LBP的脱机手写藏文字符特征提取方法 | 第18-22页 |
| 2.2.1 LBP算法 | 第18-20页 |
| 2.2.2 实验结果与分析 | 第20-22页 |
| 2.3 基于PCA的脱机手写藏文字符特征提取方法 | 第22-26页 |
| 2.3.1 PCA算法 | 第23页 |
| 2.3.2 PCA算法步骤 | 第23-25页 |
| 2.3.3 实验结果与分析 | 第25-26页 |
| 2.4 基于LBP和PCA的脱机手写藏文字符特征提取方法 | 第26-28页 |
| 2.4.1 LBP+PCA算法步骤 | 第26-27页 |
| 2.4.2 实验结果与分析 | 第27-28页 |
| 2.5 三种特征提取方法的对比 | 第28-29页 |
| 第三章 分类器设计 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 K-近邻分类器 | 第29-33页 |
| 3.2.1KNN算法原理 | 第29-31页 |
| 3.2.2 KNN算法步骤 | 第31-32页 |
| 3.2.3 实验结果与分析 | 第32-33页 |
| 3.3 SVM分类器 | 第33-41页 |
| 3.3.1 最优分类超平面 | 第34-36页 |
| 3.3.2 支持向量机 | 第36-38页 |
| 3.3.3 实验结果与分析 | 第38-41页 |
| 3.4 KNN分类器与SVM分类器的对比 | 第41-43页 |
| 第四章 总结与展望 | 第43-45页 |
| 4.1 全文总结 | 第43页 |
| 4.2 未来展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 个人简历 | 第50-51页 |
| 攻读学位期间参加的科研项目与发表的论文 | 第51页 |