手写识别算法研究及在移动平台上的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·课题主要研究内容 | 第10-11页 |
| ·主要工作内容 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第二章 识别相关技术 | 第13-18页 |
| ·文字识别相关技术 | 第13-14页 |
| ·文字识别纠错相关技术 | 第14-15页 |
| ·移动平台手写输入相关技术 | 第15页 |
| ·汉字重叠手写识别相关技术 | 第15-16页 |
| ·数据分析相关技术 | 第16-17页 |
| ·人工神经网络 | 第16-17页 |
| ·支持向量机 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于多通道融合的手写识别纠错算法研究 | 第18-39页 |
| ·数据集 | 第18-19页 |
| ·手写数据集 | 第18-19页 |
| ·语音数据集 | 第19页 |
| ·语言文本集 | 第19页 |
| ·输入系统介绍 | 第19-21页 |
| ·孤立字手写识别系统 | 第19-20页 |
| ·孤立字语音识别系统 | 第20-21页 |
| ·统计语言模型 | 第21-23页 |
| ·统计语言模型原理 | 第21-22页 |
| ·bigram统计语言模型 | 第22-23页 |
| ·人工神经网络原理及实现 | 第23-26页 |
| ·人工神经网络结构 | 第23-24页 |
| ·sigmoid单元 | 第24页 |
| ·梯度下降法则 | 第24-25页 |
| ·反向传播算法 | 第25-26页 |
| ·多通道融合算法 | 第26-36页 |
| ·参数的映射 | 第27-29页 |
| ·候选字列表融合 | 第29-33页 |
| ·基于关键字的排序 | 第33-34页 |
| ·基于人工神经网络的排序 | 第34-36页 |
| ·实验过程与结果分析 | 第36-37页 |
| ·实验参数设置 | 第36页 |
| ·实验结果与分析 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 汉字重叠手写识别算法研究 | 第39-57页 |
| ·汉字重叠手写识别介绍 | 第39-41页 |
| ·支持向最机 | 第41-47页 |
| ·支持向量机的分类原理 | 第41-43页 |
| ·LIBSVM软件包 | 第43-47页 |
| ·笔画预分割 | 第47-53页 |
| ·特征提取 | 第47-49页 |
| ·不平衡分类问题 | 第49-50页 |
| ·支持向量机核函数及参数的选取 | 第50页 |
| ·人工神经网络中的浮点运算转定点运算 | 第50-53页 |
| ·笔画精分割 | 第53-54页 |
| ·实验过程与结果分析 | 第54-56页 |
| ·实验参数设置 | 第54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 算法的实现与应用测试 | 第57-75页 |
| ·多通道融合手写识别纠错的实现 | 第57-60页 |
| ·实验数据的存储结构 | 第57-58页 |
| ·人工神经网络训练算法的实现 | 第58-59页 |
| ·基于人工神经网络的排序算法实现 | 第59-60页 |
| ·汉字重叠手写识别的实现 | 第60-62页 |
| ·特征提取算法的实现 | 第60-62页 |
| ·笔画精分割中的动态规划算法实现 | 第62页 |
| ·动态链接库及其相应接口 | 第62-67页 |
| ·多通道融合手写识别纠错部分 | 第63-65页 |
| ·汉字重叠手写识别部分 | 第65-67页 |
| ·应用程序及测试 | 第67-74页 |
| ·MultiModal | 第67-69页 |
| ·Overlapped Handwriting | 第69-72页 |
| ·用户交互测试 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 结束语 | 第75-77页 |
| ·全文总结 | 第75页 |
| ·不足和进一步工作 | 第75页 |
| ·研究生期间的工作 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79页 |
