| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-23页 |
| ·文档图像分析 | 第9-11页 |
| ·文档图像分析概述 | 第9-10页 |
| ·文档图像分析设计的相关技术 | 第10-11页 |
| ·模式识别 | 第11-15页 |
| ·模式识别基本概念 | 第11-12页 |
| ·模式识别几种主要方法的比较 | 第12-14页 |
| ·神经网络方法解决模式识别问题的基本步骤 | 第14-15页 |
| ·人工神经网络 | 第15-20页 |
| ·神经网络的分类 | 第16-17页 |
| ·神经网络的特性 | 第17-18页 |
| ·神经网络的学习方式和学习规则 | 第18-20页 |
| ·本文的主要工作 | 第20-23页 |
| 2 基于人工神经网络的数学公式符号的识别 | 第23-31页 |
| ·BP神经网络 | 第23-26页 |
| ·BP神经网络的结构 | 第23-24页 |
| ·BP神经网络的权值更新 | 第24-26页 |
| ·用Zernike矩进行特征提取 | 第26-28页 |
| ·数学符号的识别 | 第28-31页 |
| 3 中文环境中数学公式的抽取 | 第31-43页 |
| ·该领域研究概况及相关问题 | 第31-34页 |
| ·现有算法介绍 | 第31-32页 |
| ·标记连通体的讨论 | 第32页 |
| ·对人类阅读方式的借鉴 | 第32-33页 |
| ·公式分布局部性及中文科技文档的特性 | 第33-34页 |
| ·公式抽取新算法的特点 | 第34-37页 |
| ·规避画连通体步骤 | 第34-35页 |
| ·并行读入字符 | 第35页 |
| ·将公式定位过程分为三种状态 | 第35-37页 |
| ·详细步骤 | 第37-40页 |
| ·获取标准字高heightStd及标准行空隙heightGapStd | 第37页 |
| ·获取标准字宽widthStd及标准字空隙widthGapStd | 第37-38页 |
| ·通过投影数据抽取独立公式行 | 第38页 |
| ·汉字的确认 | 第38页 |
| ·整体算法流程 | 第38-40页 |
| ·数学公式定位试验 | 第40-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间学术论文完成情况 | 第49-51页 |
| 致谢 | 第51-53页 |