无约束手写数字识别研究
| 致谢 | 第1-3页 |
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| §1.1 文字识别简介与研究现状 | 第9-12页 |
| ·联机文字识别 | 第9-10页 |
| ·脱机文字识别 | 第10-12页 |
| §1.2 手写数字识别研究背景 | 第12-13页 |
| §1.3 本文的内容和编排 | 第13-15页 |
| 第二章 字符识别的方法概述 | 第15-23页 |
| §2.1 引言 | 第15页 |
| §2.2 结构识别方法 | 第15-18页 |
| §2.2.1 结构基元的提取方法 | 第16-18页 |
| §2.3 统计识别方法 | 第18-21页 |
| §2.4 神经网络模式识别方法 | 第21-22页 |
| §2.5 小结 | 第22-23页 |
| 第三章 预处理过程 | 第23-32页 |
| §3.1 引言 | 第23页 |
| §3.2 去除干扰和平滑 | 第23-25页 |
| §3.2.1 平滑字符边缘 | 第23-24页 |
| §3.2.2 消除噪声块 | 第24-25页 |
| §3.3 整形归一化方法 | 第25-31页 |
| §3.3.1 线性整形归一化 | 第27页 |
| §3.3.2 非线性整形归一化 | 第27-29页 |
| §3.3.3 一种改进的非线性整形归一算法 | 第29-31页 |
| §3.4 文字细化(THINNING) | 第31页 |
| §3.5 小结 | 第31-32页 |
| 第四章 特征提取 | 第32-44页 |
| §4.1 引言 | 第32页 |
| §4.2 常用的特征提取方法 | 第32-35页 |
| ·像素级特征 | 第33-34页 |
| ·全局特征 | 第34-35页 |
| §4.3 模式的降维和压缩 | 第35-39页 |
| §4.4 笔画游程方向特征 | 第39-40页 |
| §4.5 KIRSCH特征 | 第40-43页 |
| §4.6 小结 | 第43-44页 |
| 第五章 神经网络分类器 | 第44-56页 |
| §5.1 引言 | 第44页 |
| §5.1 BP神经网络 | 第44-50页 |
| §5.1.1 反向传播算法 | 第44-48页 |
| §5.1.2 网络参数的选择 | 第48-50页 |
| §5.2 自组织特征映射分类器(SOFM) | 第50-55页 |
| §5.2.1 简介 | 第50-53页 |
| §5.2.2 LVQ算法 | 第53-54页 |
| §5.2.3 SOFM与单层前向网络结合 | 第54-55页 |
| §5.3 小结 | 第55-56页 |
| 第六章 多方案集成 | 第56-66页 |
| §6.1 集成的数学模型 | 第56-58页 |
| §6.2 集成方案 | 第58-62页 |
| §6.2.1 系统使用的分类器简介 | 第58-60页 |
| §6.2.2 集成方法 | 第60-62页 |
| §6.3 实验结果分析 | 第62-65页 |
| §6.3 小结 | 第65-66页 |
| 第七章 结束语 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 个人简历 | 第70页 |
