| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 手写体汉字分割研究现状 | 第9-10页 |
| 1.2.2 汉字笔迹鉴定研究现状 | 第10-12页 |
| 1.2.3 深度学习研究现状 | 第12-13页 |
| 1.3 论文主要工作和结构安排 | 第13-15页 |
| 第二章 传统汉字笔迹鉴定方法 | 第15-28页 |
| 2.1 汉字笔迹鉴定的特征依据 | 第15-18页 |
| 2.2 传统笔迹鉴定方法 | 第18-26页 |
| 2.2.1 纹理特征方法 | 第19-21页 |
| 2.2.2 全局和局部特征方法 | 第21-23页 |
| 2.2.3 笔画曲率特征方法 | 第23-26页 |
| 2.3 实验结果与分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于卷积神经网络的汉字笔迹鉴定方法 | 第28-38页 |
| 3.1 卷积神经网络结构与训练 | 第28-33页 |
| 3.1.1 卷积层 | 第28-29页 |
| 3.1.2 下采样层 | 第29-30页 |
| 3.1.3 反向传播算法 | 第30-32页 |
| 3.1.4 卷积神经网络训练过程 | 第32-33页 |
| 3.2 基于卷积神经网络的汉字笔迹鉴定方法 | 第33-36页 |
| 3.2.1 DeepWriter 鉴定方法 | 第33-34页 |
| 3.2.2 DeepWriterID 鉴定方法 | 第34-35页 |
| 3.2.3 HCCR-GoogLeNet 鉴定方法 | 第35-36页 |
| 3.3 实验结果与对比分析 | 第36-37页 |
| 3.3.1 数据集及参数设定 | 第36页 |
| 3.3.2 实验结果与分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于胶囊网络的汉字笔迹鉴定 | 第38-55页 |
| 4.1 跟踪采集数据集 | 第38-44页 |
| 4.1.1 跟踪采集依据及处理 | 第38-39页 |
| 4.1.2 倾斜汉字文本校正 | 第39-40页 |
| 4.1.3 汉字文本分割 | 第40-43页 |
| 4.1.4 数据集制作 | 第43-44页 |
| 4.2 本文的胶囊网络结构 | 第44-50页 |
| 4.2.1 胶囊网络算法原理 | 第44-46页 |
| 4.2.2 本文胶囊网络结构 | 第46-47页 |
| 4.2.3 胶囊网络的特征学习 | 第47-50页 |
| 4.3 胶囊网络训练 | 第50-54页 |
| 4.3.1 胶囊网络前向计算 | 第50-51页 |
| 4.3.2 胶囊网络反向迭代过程 | 第51-52页 |
| 4.3.3 激活函数选取 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-60页 |
| 5.1 实验环境 | 第55-56页 |
| 5.2 本文胶囊网络结构的鉴别准确率比较 | 第56-57页 |
| 5.3 本文胶囊网络结构的泛化性能比较 | 第57-59页 |
| 5.4 本文胶囊网络结构的训练样本敏感度比较 | 第59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间的学术成果 | 第66-67页 |
| 致谢 | 第67页 |