| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究工作的背景与意义 | 第14-15页 |
| 1.2 笔迹鉴定方法的国内外研究历史与现状 | 第15-16页 |
| 1.3 字符识别方法的国内外研究历史与现状 | 第16-17页 |
| 1.4 文本分类方法的国内外研究历史与现状 | 第17-18页 |
| 1.5 本文主要工作与结构安排 | 第18-20页 |
| 1.5.1 主要工作 | 第18页 |
| 1.5.2 结构安排 | 第18-20页 |
| 第二章 卷积神经网络理论及离线中文手写字符数据集 | 第20-31页 |
| 2.1 人工神经网络理论 | 第20-26页 |
| 2.1.1 神经元模型 | 第20-21页 |
| 2.1.2 感知机与多层网络 | 第21-22页 |
| 2.1.3 前向传播 | 第22-23页 |
| 2.1.4 反向传播算法 | 第23-25页 |
| 2.1.5 全局最小与局部极小 | 第25-26页 |
| 2.2 卷积神经网络结构和训练 | 第26-29页 |
| 2.2.1 卷积层 | 第27-28页 |
| 2.2.2 下采样层 | 第28页 |
| 2.2.3 训练过程 | 第28-29页 |
| 2.3 离线中文手写体字符数据集介绍 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于文本无关的离线手写汉字笔迹鉴定 | 第31-40页 |
| 3.1 文本无关笔迹鉴定 | 第31-32页 |
| 3.2 HalfDeepWriter深度网络结构介绍 | 第32-35页 |
| 3.2.1 网络结构 | 第32-33页 |
| 3.2.2 Re LU激活函数 | 第33-34页 |
| 3.2.3 Dropout层 | 第34-35页 |
| 3.2.4 Softmax分类器 | 第35页 |
| 3.3 本文多级HalfDeep Writer模型的提出与构建 | 第35-36页 |
| 3.4 多级HalfDeepWriter用于笔迹鉴定实验 | 第36-39页 |
| 3.4.1 深度学习平台Caffe | 第36-37页 |
| 3.4.2 数据集及参数设置 | 第37-38页 |
| 3.4.3 实验结果与对比分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于多级GOOGLENET模型的离线中文手写字符识别与笔迹鉴定 | 第40-52页 |
| 4.1 基于CNN的端到端识别方法 | 第40-41页 |
| 4.2 HCCR-GoogLe Net深度网络结构介绍 | 第41-44页 |
| 4.2.1 网络结构 | 第41-42页 |
| 4.2.2 Inception模块 | 第42-44页 |
| 4.3 本文多级HCCR-GoogLe Net的提出和字符识别实验 | 第44-49页 |
| 4.3.1 数据集及参数设置 | 第45页 |
| 4.3.2 实验结果与对比分析 | 第45-49页 |
| 4.4 多级HCCR-GoogLeNet用于笔迹鉴定实验 | 第49-51页 |
| 4.4.1 数据集及参数设置 | 第49页 |
| 4.4.2 实验结果与对比分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于LDA的文本分类算法 | 第52-67页 |
| 5.1 文本结构化表示 | 第52页 |
| 5.2 向量空间模型 | 第52-56页 |
| 5.2.1 特征项选取 | 第54页 |
| 5.2.2 TF-IDF权重 | 第54页 |
| 5.2.3 相似度计算 | 第54-55页 |
| 5.2.4 VSM模型的优点与局限性 | 第55-56页 |
| 5.3 主题模型 | 第56-60页 |
| 5.3.1 PLSI | 第57页 |
| 5.3.2 LDA | 第57-60页 |
| 5.4 文本分类对比实验 | 第60-66页 |
| 5.4.1 实验设计和数据集 | 第60-62页 |
| 5.4.2 实验结果与对比分析 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 基于内容及风格的离线手写汉字鉴定仿真实验 | 第67-77页 |
| 6.1 本文建立的离线手写汉字鉴定算法数据库 | 第67-68页 |
| 6.2 基于风格的鉴定算法 | 第68-71页 |
| 6.3 基于内容的鉴定算法 | 第71-74页 |
| 6.4 本文融合算法 | 第74-76页 |
| 6.5 本章小结 | 第76-77页 |
| 第七章 结论与展望 | 第77-79页 |
| 7.1 本文工作总结 | 第77页 |
| 7.2 后续工作展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间取得的成果 | 第85-86页 |
