基于卷积神经网络的联机手写汉字识别系统
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的目的及意义 | 第10-11页 |
| 1.3 国内外研究现状分析 | 第11-16页 |
| 1.3.1 手写汉字识别技术研究现状 | 第11-12页 |
| 1.3.2 卷积神经网络技术研究现状 | 第12-13页 |
| 1.3.3 卷积神经网络在手写体识别中的应用 | 第13-14页 |
| 1.3.4 研究现状分析 | 第14-16页 |
| 1.4 本文的主要研究内容 | 第16-17页 |
| 1.5 章节内容组织结构 | 第17-18页 |
| 第2章 联机中文手写特征提取相关技术 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 预处理 | 第18-21页 |
| 2.2.1 样条插值 | 第18-19页 |
| 2.2.2 规整化 | 第19-21页 |
| 2.3 特征提取 | 第21-24页 |
| 2.3.1 八方向特征提取 | 第21-23页 |
| 2.3.2 特征降维 | 第23-24页 |
| 2.4 识别分类器 | 第24-26页 |
| 2.4.1 修正二次判别函数 | 第24-25页 |
| 2.4.2 支持向量机 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于卷积神经网络的联机汉字识别 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 手写数据处理转换 | 第28-29页 |
| 3.3 竞赛网络模型 | 第29-30页 |
| 3.4 传统卷积神经网络 | 第30-35页 |
| 3.4.1 输入处理 | 第31-32页 |
| 3.4.2 卷积层调整 | 第32-34页 |
| 3.4.3 模型训练方法 | 第34-35页 |
| 3.5 卷积神经网络与八方向特征结合 | 第35-39页 |
| 3.5.1 隐藏层逻辑回归模型 | 第35-37页 |
| 3.5.2 卷积网络与八方向向量结合模型 | 第37-38页 |
| 3.5.3 改进隐藏层卷积网络与八方向结合模型 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 联机汉字识别系统实现 | 第40-47页 |
| 4.1 引言 | 第40页 |
| 4.2 识别系统基本原理及处理流程 | 第40-46页 |
| 4.2.1 点信息数据规整 | 第41页 |
| 4.2.2 规整数据插值转换 | 第41-42页 |
| 4.2.3 点信息八方向特征提取 | 第42-43页 |
| 4.2.4 卷积神经网络模型训练与识别 | 第43-45页 |
| 4.2.5 模型移植 | 第45-46页 |
| 4.3 易福手写输入法云端应用 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 系统评测对比实验 | 第47-60页 |
| 5.1 实验数据 | 第47-50页 |
| 5.1.1 标准数据集 | 第47-49页 |
| 5.1.2 扩充数据集 | 第49页 |
| 5.1.3 测试数据集 | 第49-50页 |
| 5.2 实验方法 | 第50-51页 |
| 5.2.1 数据集转换格式 | 第50-51页 |
| 5.2.2 对比方法 | 第51页 |
| 5.3 实验结果 | 第51-59页 |
| 5.3.1 不同卷积结构结果对比 | 第51-53页 |
| 5.3.2 不同数据插值方式实验结果对比 | 第53-54页 |
| 5.3.3 改进的卷积神经网络模型实验结果对比 | 第54-55页 |
| 5.3.4 扩充数据实验结果对比 | 第55-57页 |
| 5.3.5 实验结果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
