| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 移动互联网的兴起 | 第11-12页 |
| 1.1.2 手写输入法的必要性 | 第12-13页 |
| 1.2 研究问题 | 第13页 |
| 1.3 本文主要工作及贡献 | 第13-14页 |
| 1.4 论文主要内容和组织结构 | 第14-15页 |
| 第二章 中文文本识别的基本技术 | 第15-22页 |
| 2.1 单字识别技术综述 | 第15-17页 |
| 2.2 文本识别技术综述 | 第17-21页 |
| 2.2.1 切分技术 | 第19-20页 |
| 2.2.2 几何特征分类器 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于多分类器的手写文本识别引擎的研究和实现 | 第22-54页 |
| 3.1 识别方法框架 | 第22-23页 |
| 3.2 路径评价准则 | 第23-29页 |
| 3.2.1 路径评价准则的概率模型 | 第24-26页 |
| 3.2.2 改进的路径评价准则 | 第26-28页 |
| 3.2.3 参数估计 | 第28-29页 |
| 3.3 单字符分类器 | 第29页 |
| 3.4 置信度转换 | 第29-31页 |
| 3.5 路径搜索算法 | 第31-34页 |
| 3.6 语言模型和联想词 | 第34-43页 |
| 3.6.1 语言模型 | 第35页 |
| 3.6.2 基于N-gram模型的语言模型 | 第35-37页 |
| 3.6.3 基于长短记忆循环神经网络的语言模型和联想词 | 第37-43页 |
| 3.7 实验结果和分析 | 第43-53页 |
| 3.7.1 文本识别实验 | 第43-49页 |
| 3.7.2 语言模型和联想词实验 | 第49-53页 |
| 3.8 本章小结 | 第53-54页 |
| 第四章 基于iOS的手写输入法 | 第54-69页 |
| 4.1 开发环境简介 | 第54-58页 |
| 4.1.1 iOS系统 | 第54页 |
| 4.1.2 iOS开发环境和编程语言 | 第54-57页 |
| 4.1.3 输入法框架 | 第57-58页 |
| 4.2 SCUT gPen手写输入法框架 | 第58-59页 |
| 4.3 Extension App的设计 | 第59-64页 |
| 4.3.1 MVC的设计原则 | 第59-60页 |
| 4.3.2 UI界面的实现 | 第60-63页 |
| 4.3.3 绘图方法的实现 | 第63页 |
| 4.3.4 识别的实现 | 第63-64页 |
| 4.4 接口及静态库的生成 | 第64-65页 |
| 4.5 Containing App的设计 | 第65-66页 |
| 4.6 效果展示 | 第66-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 输入法客户端的性能和分析 | 第69-75页 |
| 5.1 Instruments工具介绍 | 第69页 |
| 5.2 安装包大小的优化和分析 | 第69-71页 |
| 5.3 运行时内存的优化和分析 | 第71-72页 |
| 5.4 手写识别速度的分析 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 答辩委员会对论文的评定意见 | 第84页 |