基于二叉树多层分类SVM的手写体汉字识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-22页 |
| ·手写体汉字识别的历史回顾及研究现状 | 第14-20页 |
| ·汉字的特点及识别的难点 | 第15-17页 |
| ·汉字图像识别原理分析 | 第17-19页 |
| ·手写体汉字识别的其发展趋势 | 第19-20页 |
| ·本课题的研究背景及论文内容安排 | 第20-22页 |
| ·课题研究背景 | 第20页 |
| ·论文主要研究内容 | 第20-21页 |
| ·论文主要内容安排 | 第21-22页 |
| 第二章 脱机手写体汉字多类问题的二叉树SVM | 第22-40页 |
| ·统计学习理论 | 第22-23页 |
| ·VC维与期望风险 | 第22-23页 |
| ·SVM理论 | 第23-26页 |
| ·最优分类面 | 第24页 |
| ·SVM分类的线性可分情形 | 第24-25页 |
| ·SVM分类的线性不可分情形 | 第25页 |
| ·SVM分类的非线形情形 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·支持向量机核函数选择 | 第27-28页 |
| ·支持向量机的应用及主要的研究方向 | 第28-29页 |
| ·SVM的特点 | 第28页 |
| ·SVM的研究方向 | 第28-29页 |
| ·脱机手写体汉字识别的 SVM分类定义 | 第29-33页 |
| ·两类问题 | 第29-30页 |
| ·多分类问题 | 第30-32页 |
| ·二叉树设计的基本考虑 | 第32页 |
| ·二叉树支持向量机 | 第32-33页 |
| ·汉字二叉树结构支持向量机粗分类模型与分类方法 | 第33-34页 |
| ·汉字集的二叉树结构支持向量机粗分类模型 | 第34-39页 |
| ·多级粗分类算法 | 第34-35页 |
| ·汉字字型特征的提取 | 第35-37页 |
| ·字型特征的提取步骤 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第三章 脱机手写体汉字特征提取 | 第40-46页 |
| ·多种手写体汉字特征提取法的选取 | 第40-46页 |
| ·二维小波网格特征提取法 | 第41-42页 |
| ·笔划密度特征提取法 | 第42页 |
| ·手写体汉字粗轮廓特征提取 | 第42-43页 |
| ·汉字粗网格特征提取 | 第43-44页 |
| ·基于笔划方向的统计特征提取 | 第44-46页 |
| 第四章 脱机手写体汉字的识别实验结果和分析 | 第46-54页 |
| ·利用 SVM解决二类分类 | 第46页 |
| ·实现步骤 | 第46页 |
| ·汉字图像库的建立 | 第46-47页 |
| ·图像二值化 | 第47-48页 |
| ·手写体汉字图像二值化结果 | 第47-48页 |
| ·图像细化 | 第48-49页 |
| ·手写体汉字图像细化结果: | 第48页 |
| ·汉字像素密度统计 | 第48-49页 |
| ·对汉字进行水平、垂直直方图投影 | 第49页 |
| ·粗分类结果如下 | 第49-50页 |
| ·细分类识别 | 第50-54页 |
| ·算法设计 | 第50-51页 |
| ·训练算法 | 第51-52页 |
| ·细分类识别结果如下 | 第52-54页 |
| 第七章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录一 | 第58-63页 |
