基于多语言模型融合的鲁棒手写后处理方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外相关技术发展现状 | 第10-15页 |
| 1.3.1 移动平台下手写输入法的发展现状 | 第10-12页 |
| 1.3.2 手写汉字识别技术研究现状 | 第12-14页 |
| 1.3.3 连续手写后处理技术研究现状 | 第14-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 1.5 章节的组织结构 | 第16-17页 |
| 第2章 连续手写输入法的相关技术 | 第17-28页 |
| 2.1 引言 | 第17-18页 |
| 2.2 联机手写单字符识别 | 第18-20页 |
| 2.2.1 预处理 | 第18页 |
| 2.2.2 特征提取 | 第18-19页 |
| 2.2.3 分类识别 | 第19-20页 |
| 2.3 连续手写汉字后处理 | 第20-26页 |
| 2.3.1 基于规则的后处理方法 | 第21页 |
| 2.3.2 基于传统语言模型的后处理方法 | 第21-25页 |
| 2.3.3 基于神经网络语言模型后处理方法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 连续手写汉字后处理鲁棒性方法 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 传统手写后处理方法和问题 | 第28-30页 |
| 3.2.1 传统手写输入法存在的问题 | 第28-30页 |
| 3.2.2 传统后处理方法遇到的问题 | 第30页 |
| 3.3 相关算法的选择与优化 | 第30-34页 |
| 3.3.1 路径选择算法优化 | 第30-33页 |
| 3.3.2 平滑算法选择 | 第33-34页 |
| 3.4 鲁棒双向启发语言模型手写后处理 | 第34-37页 |
| 3.4.1 双向启发简单排序 | 第34-36页 |
| 3.4.2 双向启发逐个汉字重排序 | 第36-37页 |
| 3.5 鲁棒跳跃语言模型手写后处理 | 第37-41页 |
| 3.5.1 鲁棒跳跃语言模型的提出 | 第37-38页 |
| 3.5.2 简单跳跃模型 | 第38-40页 |
| 3.5.3 跳跃统计模型 | 第40页 |
| 3.5.4 路径跳跃后重打分 | 第40-41页 |
| 3.6 深度神经网络手写后处理 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 iOS平台下连续手写输入法实现 | 第45-53页 |
| 4.1 iOS平台简介 | 第45-46页 |
| 4.2 手写输入法的特点和功能 | 第46-47页 |
| 4.3 输入法系统的架构 | 第47-50页 |
| 4.3.1 iOS输入法框架 | 第47-48页 |
| 4.3.2 手写字符模块 | 第48-49页 |
| 4.3.3 编辑修改字符模块 | 第49-50页 |
| 4.3.4 输入法核心系统模块 | 第50页 |
| 4.4 核心算法的调用 | 第50-52页 |
| 4.4.1 手写体切分的实现 | 第50页 |
| 4.4.2 手写体识别的实现 | 第50-51页 |
| 4.4.3 鲁棒语言模型后处理的实现 | 第51-52页 |
| 4.4.4 系统性能优化 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 系统评测对比实验 | 第53-62页 |
| 5.1 引言 | 第53页 |
| 5.2 实验数据 | 第53-55页 |
| 5.2.1 文本语料数据 | 第53-54页 |
| 5.2.2 联机手写数据 | 第54-55页 |
| 5.3 鲁棒语言模型性能评测 | 第55-60页 |
| 5.3.1 实验目的 | 第56-57页 |
| 5.3.2 实验对比 | 第57-59页 |
| 5.3.3 实验结果分析 | 第59-60页 |
| 5.4 输入法性能评测 | 第60-62页 |
| 5.4.1 基本性能评测 | 第60-61页 |
| 5.4.2 输入法性能评测分析 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |
