| 摘要 | 第1-9页 |
| Abstract | 第9-15页 |
| 第一章 绪论 | 第15-23页 |
| ·汉字识别的历史研究和现状 | 第15-17页 |
| ·联机汉字识别 | 第15-16页 |
| ·脱机汉字识别 | 第16-17页 |
| ·书写自适应技术国内外研究现状及意义 | 第17-18页 |
| ·常见的书写自适应方法 | 第18-19页 |
| ·LDA 降维及其存在的问题 | 第19-20页 |
| ·研究意义 | 第20-21页 |
| ·本文完成的工作 | 第21-22页 |
| ·本文结构 | 第22-23页 |
| 第二章 手写汉字识别的研究 | 第23-31页 |
| ·预处理技术 | 第23-24页 |
| ·8 方向特征提取 | 第24-26页 |
| ·LDA 变换 | 第26-28页 |
| ·LDA 最小距离分类器 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基于ILDA 的用户书写风格自适应方法 | 第31-49页 |
| ·LDA 模型介绍 | 第31-32页 |
| ·ILDA 通用解决方案 | 第32-35页 |
| ·基于权重的ILDA 技术 | 第35-37页 |
| ·基于ILDA/WILDA 的书写自适应手写识别系统 | 第37-38页 |
| ·实验结果 | 第38-47页 |
| ·CouchG81 与IncCouchDB 数据库 | 第38-40页 |
| ·ILDA 自适应前CouchG81 与IncCouchDB 识别率 | 第40-42页 |
| ·应用WILDA 后IncCouchDB 识别率 | 第42-45页 |
| ·WILDA 与ILDA 自适应性能比较 | 第45页 |
| ·不同权重参数下WILDA 对IncCouchDB 的自适应性能 | 第45-46页 |
| ·ILDA 与WILDA 对CouchG81 识别率比较 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 ILDA 书写自适应技术在云输入法中的应用 | 第49-75页 |
| ·云计算 | 第49-52页 |
| ·云计算的优点 | 第49-50页 |
| ·云计算实现形式 | 第50-51页 |
| ·云计算的优势 | 第51-52页 |
| ·基于云计算的手写输入法 | 第52-61页 |
| ·客户端手写输入法 | 第53-56页 |
| ·网络接入 | 第56-57页 |
| ·云平台基础设施 | 第57-58页 |
| ·云平台汉字识别系统 | 第58-61页 |
| ·ILDA 在云输入法的实现原理 | 第61-73页 |
| ·需求及可行性 | 第61-62页 |
| ·类别内码与编号的映射 | 第62-63页 |
| ·用户登录阶段 | 第63-65页 |
| ·增量样本记录阶段 | 第65-66页 |
| ·ILDA 自适应学习阶段 | 第66-72页 |
| ·实例 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 总结与展望 | 第75-77页 |
| ·全文总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 附录 | 第77-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
| 致谢 | 第90页 |
