文摘
英文文摘
致谢
第一章序论
1.1计算机信息输入
1.2速记概述
1.3英文速记识别发展概况
第二章系统综述
2.1 Pitman 速记
2.2系统结构
2.2.1系统结构框图
2.2.2数据采集和预处理
2.2.3分割
2.2.4音素符号分类
2.2.5单词的识别及后处理
第三章数据采集和预处理
3.1数据采集
3.2预处理
3.2.1去除冗余点
3.2.2合并毗邻点
3.2.3平滑笔划曲线
第四章神经网络
4.1神经网络发展概况
4.1.1关于神经网络的发展概况
4.1.2神经网络的优越性
4.2神经网络在模式识别领域的应用
4.3神经网络基本知识
4.3.1用线性阈值单元实现布尔函数
4.3.2线性可分性
4.4感知器学习算法
4.5反向传播学习算法
第五章特征提取
5.1特征提取
5.1.1提取出的特征要能完整的保留原始符号的信息。
5.1.2提取出的特征要有效,避免冗余信息的存在。
5.1.3提取出的特征量要进行归一化处理
5.2手写体速记符号识别的特征提取
5.2.1 F0:d(s,e)相对于l(s,e)的比值
5.2.2E1,F2:矢量se的方向角度的正弦和余弦值
5.2.3 F3~F5:所有点的切线方向角度的平均值,最大值和最小值
5.2.4 F6~F8:所有点的曲率的平均值,最大值和最小值。
5.2.5F9,F10:所有点的切线方向角度和曲率的统计标准方差
5.2.6 F11,F12:所有点的x坐标和y坐标偏离中心的统计标准方差
5.2.7 F13~F16:切线方向朝向各方向的点的数目与所有点数的比率
5.2.8 F17:整个笔划的高度与宽度的比率
5.2.9 F18~F23:符号笔划个部分的矢量方向
5.3特征向量的标准归一化
第六章分割
6.1粗分割
6.1.1潜在分割点的定义
6.1.2搜索潜在分割点的算法
6.1.3利用先验知识消除部分伪分割点
6.2过分割的检测以及纠正——符号重建
第七章PITMAN速记中多音节音素符号识别及单词的识别
7.1待分类符号被分为某类音素符号的置信度
7.2考虑辅音符号笔划长度
7.3候选路径的排序依据
7.4基于单词的识别
7.4.1元音音素的获得
7.4.2基于单词的识别
第八章神经网络训练及实验结果
8.1音素符号/非音素符号分类神经网络
8.1.2训练及测试样本的获得
8.1.3神经网络的构成以及训练数据的获得
8.2单个音素符号的分类神经网络
8.3单词的识别实验
8.4实验结果总结
第九章结论与展望
9.1 结论
9.2展望
参考文献
浙江大学;