主曲线及其对汉字骨架的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-12页 |
| ·主曲线研究的历史及意义 | 第7-8页 |
| ·有监督学习与无监督学习 | 第7页 |
| ·主曲线研究的历史和现状 | 第7-8页 |
| ·主曲线研究的意义 | 第8页 |
| ·汉字骨架提取的研究概况 | 第8-10页 |
| ·汉字骨架提取的基本方法 | 第8-9页 |
| ·汉字及其识别的研究现状 | 第9-10页 |
| ·将主曲线应用到汉字骨架的基本思想 | 第10-11页 |
| ·本文主要目的及论文结构 | 第11-12页 |
| 第二章 主曲线研究中的相关数学概念 | 第12-19页 |
| ·主成分分析及其特征结构 | 第12-14页 |
| ·主成分分析 | 第12页 |
| ·自相关矩阵 | 第12-13页 |
| ·特征向量及特征子空间 | 第13-14页 |
| ·向量量化器的局部最优 | 第14-15页 |
| ·向量量化器 | 第14页 |
| ·K-点量化器的经验失真度度量和极小化假设 | 第14-15页 |
| ·数据输入空间的局部最优划分 | 第15页 |
| ·自组织拓扑映射 | 第15-18页 |
| ·最优匹配输入向量x的神经元标识 | 第16页 |
| ·拓扑邻域及其典型选择 | 第16-17页 |
| ·Hebb学习假设中的自适应过程 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 现有主曲线算法分析和比较 | 第19-23页 |
| ·HS型主曲线算法分析 | 第19-21页 |
| ·K型主曲线算法分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 一种新型简化的主曲线算法及其实现 | 第23-39页 |
| ·算法思想 | 第23-27页 |
| ·获取第一主成分线 | 第23-24页 |
| ·投影-获取输入空间的第一次局部最优分类 | 第24-25页 |
| ·顶点增加-生成主曲线 | 第25-26页 |
| ·顶点优化-自组织学习 | 第26-27页 |
| ·算法的程序结构及程序实现 | 第27-34页 |
| ·算法的文件结构 | 第27-28页 |
| ·算法的数据结构 | 第28-29页 |
| ·主要算法实现 | 第29-34页 |
| ·算法演示及结果分析 | 第34-38页 |
| ·生成主曲线的算法演示 | 第35页 |
| ·自组织学习对主曲线的影响 | 第35-37页 |
| ·结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 主曲线在汉字骨架上的应用 | 第39-61页 |
| ·算法总框图 | 第39页 |
| ·汉字字符图像预处理 | 第39-44页 |
| ·规范化处理 | 第40页 |
| ·提取汉字笔段和相关特征 | 第40-43页 |
| ·细化后的畸点处理 | 第43-44页 |
| ·笔划生成 | 第44页 |
| ·汉字笔划的优化 | 第44-46页 |
| ·去除重复笔划 | 第44-45页 |
| ·优化畸形笔划 | 第45-46页 |
| ·利用主曲线调整优化汉字骨架 | 第46-47页 |
| ·像点坐标转换 | 第46-47页 |
| ·主曲线模拟和显示 | 第47页 |
| ·程序结构及程序实现 | 第47-56页 |
| ·算法的文件结构 | 第48-49页 |
| ·算法的数据结构 | 第49-51页 |
| ·主要算法实现 | 第51-56页 |
| ·结果演示及分析 | 第56-59页 |
| ·汉字骨架的提取演示 | 第57页 |
| ·主曲线应用到汉字骨架上的演示 | 第57-58页 |
| ·综合结果分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 结论和展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的论文 | 第66-67页 |
| 附录1 细化汉字图像子程序清单 | 第67-69页 |
| 附录2 汉字笔段抽取子程序清单 | 第69-72页 |
| 附录3 去除畸点子程序清单 | 第72-74页 |
| 附录4 畸形笔划优化子程序清单 | 第74-76页 |
| 中文详细摘要 | 第76-78页 |
