一、联机图形识别方法研究(论文文献综述)
肖雪,李成城[1](2022)在《手写汉字评价方法研究进展》文中研究表明手写汉字评价推动了计算机辅助教学的快速发展,如何通过手写汉字评价技术,在无教师帮助的情况下实现手写汉字的等级/规范性评价是当前研究的重点。对手写汉字评价相关概念以及发展趋势进行阐述;对手写汉字评价的不同研究方法进行详细介绍,包括基于规则、特征相似度计算、模糊矩阵以及机器学习等方面,并对各种方法的优缺点进行总结归纳;对手写汉字评价的反馈形式进行介绍,包括数据到文本生成、字形匹配与图形辅助等方面;分析手写汉字评价面临的多个问题,进一步思考其未来的发展。
孙思瑞[2](2021)在《基于Graph OLAM的并行分析挖掘系统的研究与实现》文中研究表明随着社会的快速发展,各行各业的数据规模日益增大,如何对海量数据信息进行高效的提取挖掘成为了近年来的研究热点。而在各种不同的数据类型之中,图因为具有丰富的拓扑结构和维度信息,在复杂关系数据集建模中有着广泛的应用。在大规模网络数据分析这一领域,Graph OLAP技术和图挖掘技术均已成为基于图数据提供决策支持的重要技术。但是二者的发展过程差别很大,现有的研究很难将他们从根本上加以统一。针对目前的研究和发展现状,为了消除或减小这种差别,从而实现图联机分析处理技术(Graph OLAP)和图挖掘技术(Graph Mining)的紧密结合,本课题进行了以下内容的研究:1.Graph OLAM大规模多维网络挖掘框架的研究与设计:完善了Graph OLAM的理论框架与相关概念,一定程度上改善了 Graph OLAP技术和图挖掘技术难以结合的问题。统一并细化Graph OLAM的操作模式,设计元数据管理以及针对时序网络的图数据立方体存储模型,并从逻辑架构和实际操作两方面,搭建完整的Graph OLAM大规模多维网络挖掘框架。2.基于Graph OLAM技术的保险推荐算法及框架:为了解决保险网络的稀疏问题,完善网络的拓扑结构,本文应用Graph OLAM框架中的相关技术,将上卷下钻、聚集、网络表示学习等操作组合起来,将稀疏网络隐含的连接关系通过高层次聚合网络展现出来,设计RU-GOLAM算法,从而有效解决保险稀疏网络这一应用场景的推荐问题,具有较大的现实应用意义。3.基于Graph OLAM的并行分析挖掘系统:为了帮助用户快速使用网络分析挖掘算法进行网络分析,使用户不需要累计海量知识也可以应用本系统解决实际问题,本文结合现有的并行计算框架,搭建了一个基于Graph OLAM的并行分析挖掘系统,为用户提供图形化的大数据云计算应用服务解决方案。
洪松[3](2021)在《自然场景下乌金体藏文检测与识别方法研究》文中研究表明文本检测与识别有很重要的研究与应用价值。传统的文本检测与识别技术在印刷体文本上已经有很好的性能,然而自然场景下的文本检测与识别的准确率还很低。如何缩小自然场景下文本检测与识别和传统的文本检测与识别之间的性能差距,是目前自然场景下文本检测与识别亟待解决的问题。目前自然场景下乌金体藏文的检测与识别处于探索和起步阶段,而自然场景乌金体藏文文本信息作为高度浓缩的高层语义信息,不仅具有较大的研究和实用价值,而且可以用于协助藏文场景文本理解领域的研究。自然场景乌金体藏文文本图像与扫描乌金体藏文文本图像在背景上有明显差异,扫描乌金体藏文文本图像的背景简单,通常为单一的白色且干扰较小。自然场景乌金体藏文文本图像背景复杂且变化多样,且目前针对自然场景下乌金体藏文的检测与识别的相关研究甚少,有效检测与识别自然场景下乌金体藏文具有较大的实际应用价值。本文论述了自然场景下乌金体藏文的检测与识别的研究背景与意义,对自然场景下中文、英文以及藏文文字检测与识别技术的研究现状进行了描述和分析,并对藏文字形结构以及藏文字符构成规则进行了介绍,在此基础上重点对自然场景下乌金体藏文检测与识别算法进行了研究。本文的主要工作如下:1.在收集数据集的前期,首先分析了自然场景文本数据集及图像特点,然后收集和标注自然场景下乌金体藏文检测数据集和识别数据集;在收集数据集的后期,首先利用网络爬虫技术采集大量的藏文语料,并对藏文语料进行预处理,再利用Open CV-Python合成了乌金体藏文文本块,解决了自然场景乌金体藏文图像数据不足的问题。2.研究自然场景下乌金体藏文检测方法,采用EAST、DBNet算法,并替换原始的特征提取网络,对比了不同的特征提取网络如Res Net18、Res Net34、Res Net50在测试集上的检测性能。3.研究自然场景下乌金体藏文识别方法,首先在研究藏文字形结构、藏文字符构成规则的基础上,设计全藏字生成算法,生成全藏字字符集作为识别乌金体藏文的字典;然后研究待识别的自然场景乌金体藏文图像块预处理方法;最后研究基于序列的文字识别算法CRNN,并采用改进后的Mobile Net V3 Large作为特征提取网络,并对比在不同数据集规模下,算法在测试集上的识别准确率。本文基于现有的研究基础,取得了以下成果:1.收集和标注了自然场景乌金体藏文检测和识别数据集,其中包含1796张自然场景乌金体藏文图像,4321张自然场景乌金体藏文文本图像块;采集了6284247条藏文短句,合成了20万张带标注的乌金体藏文文本图像块;2.实现了自然场景下乌金体藏文的检测,实验结果表明采用Res Net18作为特征提取网络的DBNet算法在实际的测试中具有更好的检测性能,该方法在测试集上的准确率、召回率、F1值分别达到了0.87、0.55、0.67;3.实现了自然场景下乌金体藏文的识别,实验结果表明采用改进后的Mobile Net V3 Large作为特征提取网络的CRNN算法在测试集上的识别准确率达到了0.7301。并在此基础上分析了在314张真实自然场景下乌金体藏文识别出错的特殊例子,为以后相关的研究人员提供一定的借鉴意义。
范倬瑜[4](2020)在《基于图数据库Neo4j的信用卡反欺诈系统的设计与实现》文中指出随着我国金融业的迅猛发展,金融业已经深入到我们的生活当中,在金融业为大家提供便利的同时,基于金融的一系列诈骗也随着而来,这给各银行带来了巨大的经济损失。随着各银行加大对于金融欺诈的打击力度,像以前那种单人小打小闹的诈骗行为逐渐消失,取而代之的是团伙化、专业化的诈骗团伙,这些引起银行业的重点关注。反欺诈是一项识别服务,是对诈骗行为的一项风险识别。其核心是通过大数据的收集、分析和处理,建立反欺诈信用评分和反欺诈模型,解决不同场景中的风险问题。因此,本论文作者设计并实现了一套基于图数据库Neo4j的信用卡反欺诈系统,为银行业识别团伙欺诈提供帮助。与传统的信用卡反欺诈系统的根本区别在于,本系统不是基于关系型数据库,而是基于图数据库技术。本文主要针对信用卡反欺诈和图数据库,本文的主要工作和成果如下:第一,本文对NoSQL数据库进行了介绍,并着重介绍了 NoSQL数据库中的一种:图数据库,同时对图数据库和传统关系型数据库进行了比较,说明图数据库的优缺点;然后介绍了图数据库中常用的算法。第二,深入分析信用卡欺诈的特点和作案手段,并针对性的提出行之有效的处理办法。基于Neo4j图数据库对于多种算法的支持,利用图数据库中的Louvain(鲁汶)社区发现算法和标签传播算法,构建信用卡反欺诈系统的模型,通过发现团伙之间的关系,识别出团伙作案。第三,初步实现信用卡反欺诈系统的演示,该系统以开源图数据库Neo4j、Java标准开发框架Spring Boot、Java标准批量框架Spring Batch、Spring对于Neo4j API封装的Spring-Data-Neo4j库以及前端渲染框架D3.js库作为基础架构,以开源图数据库Neo4j处理和存储数据为核心,以Java标准批量框架Spring Batch作为批量定时节点调度,以Java标准开发框架Spring Boot作为服务端开发架构,以Spring-Data-Neo4j库来进行图数据映射,以前端渲染框架D3.js库展示和渲染系统。第四,本文总结了已有工作的成果和不足,对下一步工作进行了展望。
陈文龙[5](2018)在《面向Android的人机交互虚拟机系统的设计与实现》文中认为Android作为智能终端的操作系统在近年发展迅速,但随着智能设备的普及和网络化,Android设备之间的远程分享和控制等互操作性需求日趋重要,而这是现有Android操作系统所不具备的特性,特别是在智能家庭音响这类无屏设备面临人机交互难点时必须要解决的瓶颈,由此需要对Android的内核及框架进行修改和扩展从而使其具备镜像分享及远程交互的能力。本文系统以智能家庭音响设备的Android操作系统为平台,在Android内核的Flinger层和Gralloc层通过对显示设备、触摸设备及按键设备的管理和相应的事件管理及处理机制,实现跨设备的显示输出信号及输入控制信号等人机交互数据的实时镜像和重定向、网络编码传输和解码虚拟复原,实现在一台Android设备上以虚拟机的方式运行和使用另一台Android设备上的应用。智能家庭音响用户通过使用该技术,随时随地在自己的手持智能终端上通过网络无线安装和使用无屏智能家庭音响设备上的各种开放通用的应用App。在显示信号重定向方面,采用兼容高级图形原语与底层显示信号相结合的方式,通过显示设备的网络化和虚拟化,保证了显示即时性和网络低负载;在上层应用进行图形操作时,将图形原语以RMI(Remote Method Invocation)方式重定向到虚拟图形系统,由虚拟图形系统进行图形绘制后呈现给终端用户;当网络带宽环境良好时,在上层应用完成图像操作后,切块比对双显示缓冲区的差异并标注差异区块链,按需将差异区块进行序列图像差值编码并传输到虚拟图形系统解码后呈现给终端用户。在输入信号重定向方面,本文系统的客户端事件模块将终端按键事件和指针控制事件实时编码传输到事件模块的服务端,由服务端模块实时解码事件数据并向Android内核注入虚拟事件与应用进行交互。经过实际运行表明本文系统作为一台具备Ethernet以太显卡和Ethernet以太I/O设备能力的网络虚拟计算机,能够为用户提供远距离的网络化屏幕显示输出和网络化触摸操作输入的虚拟软设备支持,实现Android智能终端的I/O设备的网络化和软件化及虚拟化。
姜杰[6](2016)在《基于WDL的汉字书写表征与应用》文中提出汉字,一种世界最古老的文字,有着深厚的文化内涵和魅力,是中国文化的载体和基础。它有着悠久的历史,在中国文化的传承中起着决定性的作用。国人对汉字书写的重视由来已久,但在信息时代,国人书写能力却大幅下降。硬笔汉字书写作为一项必备素质和基本修养正引起社会、学校以及教育主管部门的广泛关注与高度重视。汉字书写的数字化表征为书写文化传承以及书写教育推广的信息化提供了技术基础。论文从汉字书写入手,研究笔画、部件、整字三个层次对象特征的表征形式以及表征方法;研究笔画之间的相交、相接、相邻(离)的表征形式与方法;研究汉字书写中笔序、笔势等过程性特征的表征形式与方法;并尝试与实践应用相结合来论述书写表征及其方法的可行性。本文工作主要围绕以下几个方面:1.分析现有的汉字表征技术,以此为基础从汉字书写出发构建汉字书写描述语言-WDL(Writing Description Language)体系,并论述WDL所要表征的对象、关系、过程的三个层面内容框架。2.从笔画书写的记录、表征入手,分析笔画径迹数据点的记录形式;分析了基于径迹点的笔段提取方法;设计了基于笔段序列走向码的笔画方向码标识方法。并在脱机笔画提取上完成了笔画表征的应用实践方案。3.从笔画书写入手,分析并且设计了:汉字笔画的相交、相接、相邻的拓扑结构的表征方式。在此基础上,设计了笔画间相对位置关系的表征、笔画间长短关系、对齐关系等判断方法和表征方式。完成了汉字书写的正确性表征模型的设计与应用。4.在汉字结构分析的基础上,完善了由笔画到部件,再到整字的汉字结构表征形式和方法。在此基础之上设计了汉字书写工整性表征模型,并应用实验证明其可行性。5.提出“笔序-笔画投影空间模型”,在该模型基础上分析了汉字书写续笔的各种形态,设计了判断与表征方法。同时,在该模型的基础之上完成了汉字书写笔顺正确性的判断与标识方案。6.分析汉字书写时笔势特征,设计了“径迹点的速度-时间点模型”,以此来标识、记录用户笔画在入笔、行笔、收笔时的速度变化。设计了“基本笔画的规范笔势表征模型”,并以此为依据设计了书写笔势评价方案并付诸实践。
张居晓,曾晓勤,孟朝晖[7](2015)在《盲用多点触摸输入法的设计与实现》文中研究说明随着智能手机等电子产品的普及,多点触摸屏应用越来越广泛。但是因触摸屏表面较光滑,使得盲人不能通过触觉获得屏幕的信息,造成其输入文字困难。提出采用多点触摸联机手写识别盲文技术的汉字输入法。该方法不仅解决了盲人能利用多点触摸屏输入文字信息,也能应用于明眼人的触摸屏联机手写盲文识别进行汉字输入,其书写汉字速度远高于现有的触摸屏的手写输入法。
玛依热·依布拉音[8](2013)在《联机手写维吾尔文字母与单词识别研究》文中提出联机手写维吾尔文字识别是模式识别领域的难题之一,也是一门综合性技术。近年来,随着智能手机、平板电脑、电子白板等移动终端设备的普及,联机手写输入做为一种自然、方便的输入方法,已经得到了高度重视,并在日常生活中得到了广泛应用。但是,新疆少数民族地区广泛使用的官方语言——维吾尔语的文字识别研究相对滞后,对联机维吾尔文手写识别技术的研究也非常少。维吾尔文字手写输入系统的研究不仅对其他民族文字手写输入系统的研究也有一定的参考价值,而且促进少数民族地区的信息技术发展。维吾尔语文字是一种拼音文字,其书写方式与汉文和西文有很大不同。维吾尔文是从右到左写,每个词中所有字母连着写,且每一个字母在一个词的词首、词中和词尾所取的字形不一样。这些特点给维吾尔语文字的识别带来很大的困难。本文在深入调研国内外联机手写识别技术的研究动态,并通过分析维吾尔文字母与单词自身的结构和书写特点,在联机手写维吾尔文字母识别、维吾尔文单词切分、维吾尔文单词识别等三方面做了一些有益的探索。主要工作包括以下几个方面:一、首次分别建立了手写维吾尔文字母样本库和手写单词样本库。为了支持维吾尔文手写识别方面的研究,收集整理了联机手写数据库。维吾尔文字母样本库包括32个维吾尔文字母的四种不同书写类型(128类),由612个人书写,总共包含78336个样本。手写单词样本库包含常用的1460的单词,由400个人书写,总共有584000个维吾尔文单词。该数据库可用于手写字符识别、文档检索和笔迹鉴别等多方面的研究。二、提出了一种联机手写维吾尔文字母识别方案。选择在手写汉字识别技术中所提出来的归一化、特征提取、以及常用的分类方法,从中找出了最佳的技术选择。在实验对比中,本文采用了线性归一化(LN)、矩归一化(MN)、二分矩归一化(BMN)、中心边界对准(CBA)、改进的中心边界对准(MCBA)以及几种相应的伪二维归一化方法等八种不同的归一化预处理方法,基于坐标归一化的特征提取(NCFE)方法,以及MQDF(改进的二次分类函数)、DLQDF(判别学习型二次判别函数)、LVQ(学习矢量量化)、SVM(支持向量机)四种分类器。同时,再考虑字符在文档中的空间几何特征,进一步提高了识别性能。在128个维吾尔文字母类别、12,800个测试样本的实验中,正确识别率最高达到了89.08%,为进一步研究面向维吾尔文字母特性的识别技术奠定了重要基础。三、设计了一个基于DTW的联机手写维吾尔文字母识别系统框架。对预处理、特征提取、聚类分析和匹配识别等模块进行了较系统地理论和实验研究。在预处理中,采用了维吾尔文字母的线性归一化和基于点密度的一化的方法;特征提取中,采用了结合结构特征和统计特征的方法并提取了均匀采样特征、方向链表特征、网格方向特征、投影特征等;聚类分析中中采用基于最小生成树(MST)的动态聚类算法,分类器采用最近邻分类方法。测试结果表明,独立式、前连式、后连式、双连式字母的识别率分别达到74.67%,70.43%,63.33%,72.02%。出现在5个候选字母中的识别率达到94.34%,94.19%,93.15%,95.86%;四、提出了基于多分类器集成维吾尔文字母识别方法。多分类器组合能够在一定程度上弥补单个分类器的缺陷,因此它在模式识别中得到了广泛的应用。本文利用5种不同的特征提取方法构造了5个独立的分类识别器,采用了等权投票和不等权投票等两种策略将5种分类识别器进行了有效组合。其中,单分类器采用了基于动态时间弯折匹配距离的最近邻分类方法。实验结果表明,本文提出的集成策略的识别率明显高于单分类器的识别率,而且为特征的综合集成提供了多种有效途。五、通过对手写维吾尔文字中的字母连接特点深入研究,提出了一种有效的基于动态规划的联机手写单词分别方案。首先,对单词进行过切分。去掉单词中的附件部分后,通过分析主要笔划书写轨迹的形状,找出潜在的过分割点并合并被切分成的基本块与对应它的附加部分,得到基本字母片段序列;然后,再利用单字母分类信息和基于切分块的几何信息进行融合,采用动态规划算法来进行评价分析,从而寻找出最优的分割路径。对于联机单词样本进行的实验证明,该文所提出的算法对于维吾尔文单词的分割有很好的效果。六、提出了基于多步分割的维吾尔文单词切分方法。本文采用了先把单词分割成连体段,然后把连体段切分成字母的两级切分方案,并针对连体段分割问题和字母切分问题分别提出了连体段分割算法和字母切分算法。七、提出了基于词典驱动的、集成切分与识别的联机手写维吾尔文单词识别框架和方法。系统中把单词识别问题转化为一个词典中的词条与手写单词图像匹配的优化问题。维吾尔文单词识别的主要难点是字母在被识别之前不能准确地切分。解决方法是把字母分割与识别集成起来,通过组合搜索得到最优的切分和识别结果。第一步,利用过切分算法将单词进行切分,对相邻的基本片段进行组合形成切分候选网格。第二步,采用词典驱动的方法,将字母识别信息、几何信息和词典信息一起加入到单词识别系统的路径匹配过程。本文采用用置信度转换的方法,将分类器的输出转换成概率的形式,使参数调整更为方便。动态规划算法应用于单词识别过程中的最优路径匹配过程,得到最优识别结果。词典中的词条分别为100、500、1000、10000的情况下,单词识别实验结果分别为84%、78%、68%和47%。
王科俊,袁翠玲,刘昱[9](2011)在《化学表达式的识别方法》文中提出对近年来国内外出现的化学表达式识别技术和方法进行了简单介绍和系统分类,分析了各种方法的优缺点,阐明了化学表达式识别技术所面临的挑战,并对未来化学表达式识别技术的发展方向进行了展望。
赵蓉[10](2011)在《基于神经网络的联机手写识别系统研究与实现》文中认为汉字的计算机识别是模式识别领域一个重要分支,其任务就是研究如何使计算机能够“识字”。联机手写识别系统(OLCCR)符合人的自然手写习惯,容易被人们所接受,因而具有非常广阔的应用前景。目前研究人员对此做了大量的研究工作,提出了很多识别算法,基本实现了联机手写识别,但是大多数研究都是针对一种手写模式进行识别,虽然识别系统可以达到较高的识别率,但是用户需要切换输入模式才可以进行有效识别,识别系统性能有待进一步提高。人工神经网络因其所具有的并行计算能力、容错能力、自学习能力和分类识别能力,其在模式识别领域得到了充分的重视和利用。本文选取离散Hopfield神经网络算法,对学习样本进行二值化、归一化和插值等预处理,然后提取其像素特征,建立Hopfield神经网络,最后将汉字、数字、字母等手写测试样本以及加入噪声的样本输入网络,由仿真测试结果可以看出对于信息残缺和含有噪声的测试样本,系统均可以实现识别,具有很好的容错性。仿真结果表明,本文利用Hopfield网络实现手写识别的效果相比用BP网络的效果更好,更具有优越性。
二、联机图形识别方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、联机图形识别方法研究(论文提纲范文)
(1)手写汉字评价方法研究进展(论文提纲范文)
1 文献统计及相关概念 |
1.1 文献统计 |
1.2 书写质量评价相关概念和一般框架 |
1.2.1 即时评价 |
1.2.2 事后评价 |
1.3 评价指标 |
1.3.1 人工评价 |
1.3.2 自动评价 |
2 手写汉字评价方法 |
2.1 基于规则的方法 |
2.2 基于特征相似度计算的方法 |
2.3 基于模糊矩阵的方法 |
2.4 基于机器学习的方法 |
2.4.1 基于深度学习的方法 |
2.4.2 基于机器学习的其他方法 |
2.5 小结 |
3 反馈形式 |
3.1 数据到文本生成 |
3.2 字形匹配 |
3.3 图形辅助 |
4 问题与挑战 |
5 结束语 |
(2)基于Graph OLAM的并行分析挖掘系统的研究与实现(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容 |
1.3.1 Graph OLAM大规模多维网络挖掘框架的研究与设计 |
1.3.2 基于Graph OLAM技术的RU-GOLAM保险推荐算法及框架 |
1.3.3 基于Graph OLAM的并行分析挖掘系统 |
1.4 论文组织与结构 |
第二章 相关概念及相关工作 |
2.1 框架核心与关键技术 |
2.1.1 传统OLAP技术与Graph OLAP |
2.1.2 图挖掘技术OLAM技术 |
2.1.3 大规模网络分析框架与图概要技术 |
2.1.4 社交网络推荐技术 |
2.2 系统架构相关概念和技术 |
2.2.1 系统架构相关概念 |
2.2.2 分布式计算相关概念 |
2.3 本章小结 |
第三章 Graph OLAM大规模多维网络挖掘框架的研究与设计 |
3.1 Graph OLAM核心功能框架 |
3.2 面向分析应用的逻辑架构搭建 |
3.3 Graph OLAM核心技术 |
3.3.1 操作统一模式的总结与划分 |
3.3.2 T-P&D数据存储模型设计及实验验证 |
3.4 本章小结 |
第四章 基于Graph OLAM技术的保险推荐算法及框架 |
4.1 需求分析 |
4.2 RU(Roll_Up)-GOLAM推荐框架 |
4.3 基于Graph OLAM技术的稀疏网络推荐算法 |
4.4 实验验证 |
4.5 本章小结 |
第五章 基于Graph OLAM的并行分析挖掘系统 |
5.1 系统需求分析 |
5.1.1 系统用户角色分析 |
5.1.2 功能需求 |
5.1.3 非功能需求 |
5.2 系统架构设计 |
5.2.1 UI应用层 |
5.2.2 系统核心功能层 |
5.2.3 数据存储层 |
5.3 系统详细设计与实现 |
5.3.1 用户管理模块 |
5.3.2 数据交互模块 |
5.3.3 Graph OLAM分析&结果展示模块 |
5.3.4 数据库与存储设计 |
5.4 系统测试 |
5.4.1 测试环境 |
5.4.2 功能测试 |
5.4.3 性能测试 |
5.5 应用实例 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文目录 |
(3)自然场景下乌金体藏文检测与识别方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 文字检测研究现状 |
1.2.2 文字识别研究现状 |
1.2.3 藏文检测与识别相关研究 |
1.3 论文研究内容及组织架构 |
第二章 自然场景下乌金体藏文图像数据的收集与预处理 |
2.1 自然场景文本数据集及图像特点 |
2.2 乌金体藏文检测数据集的收集与标注 |
2.2.1 人工收集 |
2.2.2 数据标注 |
2.3 乌金体藏文识别数据集的收集与标注 |
2.3.1 人工收集 |
2.3.2 数据标注 |
2.3.3 藏文识别数据集合成 |
2.4 本章小结 |
第三章 自然场景下乌金体藏文的检测 |
3.1 基于EAST的乌金体藏文检测 |
3.1.1 EAST网络模型结构 |
3.1.2 标签生成机制 |
3.1.3 损失函数 |
3.1.4 局部感知NMS |
3.2 基于可微分二值化的乌金体藏文检测 |
3.2.1 DBNet网络模型结构 |
3.2.2 可微分的二值化 |
3.2.3 标签生成机制 |
3.2.4 损失函数 |
3.3 实验及结果分析 |
3.3.1 文本检测结果评价指标 |
3.3.2 网络模型训练 |
3.3.3 实验结果分析 |
3.4 本章小结 |
第四章 自然场景下乌金体藏文的识别 |
4.1 全藏字生成 |
4.1.1 藏文字形结构 |
4.1.2 藏文字符构成规则 |
4.1.3 全藏字生成 |
4.2 乌金体藏文图像块的预处理 |
4.3 基于CRNN的乌金体藏文文本识别 |
4.3.1 网络整体流程 |
4.3.2 CRNN网络识别原理 |
4.3.3 网络训练 |
4.4 实验与分析 |
4.4.1 文本识别结果评价指标 |
4.4.2 网络模型训练 |
4.4.3 实验结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间发表的论文 |
攻读学位期间参与的科研项目 |
致谢 |
(4)基于图数据库Neo4j的信用卡反欺诈系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究目的 |
1.3 研究方案 |
1.4 论文结构 |
第二章 研究现状与图数据库介绍 |
2.1 研究现状 |
2.2 NoSQL数据库 |
2.3 图数据库 |
2.4 图数据库的优缺点 |
2.5 常见图算法 |
2.6 本章小结 |
第三章 技术选型和模型搭建 |
3.1 技术选型 |
3.1.1 图数据库 |
3.1.2 Spring框架 |
3.1.3 Maven项目管理工具和其他Spring子框架 |
3.1.4 D3js可视化框架 |
3.2 模型搭建 |
3.2.1 模型算法 |
3.2.2 模型实现 |
3.3 图查询语言 |
3.4 图数据加载比较 |
3.5 本章小结 |
第四章 基于图数据库Neo4j的信用卡反欺诈系统设计与实现 |
4.1 当前现状 |
4.2 需求分析 |
4.3 解决方案 |
4.4 系统总体设计 |
4.4.1 系统功能设计 |
4.4.2 系统架构设计 |
4.4.3 图结构存储设计 |
4.4.4 系统数据库设计 |
4.5 系统实现 |
4.5.1 用户登录模块 |
4.5.2 数据展示模块 |
4.5.3 数据查询模块 |
4.5.4 数据下载模块 |
4.5.5 用户管理模块 |
4.6 系统测试 |
4.6.1 测试环境 |
4.6.2 兼容性测试 |
4.6.3 系统功能测试 |
4.6.4 系统总体测试 |
4.7 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
5.2.1 系统展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 攻读博士/硕士学位期间发表的学术论文 |
3 参与的科研项目及获奖情况 |
4 发明专利 |
学位论文数据集 |
(5)面向Android的人机交互虚拟机系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 与本课题有关的国内外研究状况 |
1.3 本文的主要研究内容及论文结构 |
第2章 人机交互虚拟机系统的需求分析和关键技术 |
2.1 应用场景分析 |
2.2 功能性需求分析 |
2.2.1 设备绑定和联机 |
2.2.2 操作同步和镜像显示 |
2.2.3 后台服务维护 |
2.2.4 操作注入和屏显同步 |
2.3 非功能性需求分析 |
2.4 关键技术 |
2.5 本章小结 |
第3章 人机交互虚拟机系统的设计 |
3.1 概要设计 |
3.1.1 总体架构设计 |
3.1.2 功能结构设计 |
3.1.3 数据结构设计 |
3.2 详细设计 |
3.2.1 信道控制模块设计 |
3.2.2 显示信号模块设计 |
3.2.3 虚拟事件模块设计 |
3.2.4 设备驱动模块设计 |
3.2.5 前台交互模块设计 |
3.3 本章小结 |
第4章 人机交互虚拟机系统的实现 |
4.1 信道控制模块实现 |
4.2 显示信号模块实现 |
4.3 虚拟事件模块实现 |
4.4 设备驱动模块实现 |
4.5 前台交互模块实现 |
4.6 本章小结 |
第5章 人机交互虚拟机系统的测试 |
5.1 测试方案 |
5.2 功能测试 |
5.3 性能测试 |
5.4 测试结论 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
个人简历 |
(6)基于WDL的汉字书写表征与应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与意义 |
1.2 研究现状 |
1.2.1 汉字字形、结构描述体系相关研究 |
1.2.2 汉字笔画识别与标识技术的相关研究现状 |
1.3 研究目标、内容与研究方法 |
1.3.1 研究目标与研究内容 |
1.3.2 研究方法 |
1.4 主要创新点 |
1.5 本文的组织结构 |
第2章 汉字书写表征与WDL |
2.1 汉字书写过程中意义呈现 |
2.2 书写表征的内容与过程 |
2.2.1 书写行为与书写表征内容分析 |
2.2.2 书写表征内容的分类 |
2.2.3 汉字书写的表征过程概述 |
2.3 WDL体系 |
2.3.1 WDL--书写描述语言 |
2.3.2 WDL的技术应用体系 |
2.4 本章小结 |
第3章 汉字书写中笔画的表征与应用 |
3.1 汉字书写与汉字笔画系统 |
3.1.1 笔画相关概念的界定 |
3.1.2 汉字书写与笔画系统生成 |
3.2 汉字笔画书写的数字化记录 |
3.2.1 常用笔画形态分析 |
3.2.2 汉字书写表征中笔画的记录方法 |
3.2.3 基于WDL笔画书写数据记录 |
3.3 基于WDL的笔画书写表征 |
3.3.1 笔画书写方向划分与标识 |
3.3.2 基于笔段标识的笔画表征 |
3.3.3 基于笔段序列走向码的WDL笔画类型表征 |
3.4 基WDL笔画表征的脱机汉字笔画抽取方案分析 |
3.4.1 脱机汉字笔画提取的方法步骤 |
3.4.2 案例解析脱机字“永”笔画骨架提取方法 |
3.4.3 应用价值与提高方向 |
3.5 本章小结 |
第4章 汉字书写笔画关系的表征与应用 |
4.1 汉字笔画相交关系与WDL表征 |
4.1.1 笔画相交的概念及在书写表征中的界定 |
4.1.2 汉字笔画相交关系判定的策略与步奏 |
4.1.3 汉字笔画相交的WDL表征语法与案例解析 |
4.2 汉字笔画间的相接关系与WDL表征 |
4.2.1 笔画相接的概念及在书写表征中的界定 |
4.2.2 汉字笔画相接关系判定的策略 |
4.2.3 汉字笔画相接的WDL表征语法与案例解析 |
4.3 汉字笔画间的相离、相邻与相对位置关系表征 |
4.3.1 汉字笔画相离关系概念与特征分析 |
4.3.2 汉字笔画相邻关系与相对位置关系 |
4.3.3 汉字笔画相邻的WDL表征语法与案例解析 |
4.4 基于笔画类型与笔画关系表征的书写正确性评价应用 |
4.4.1 汉字书写正确性评价的基本规范和内容 |
4.4.2 汉字书写正确性评价的方案与实施过程 |
4.4.3 汉字书写正确性评价的产品应用实践 |
4.5 本章小结 |
第5章 汉字部件、整字的表征与应用 |
5.1 汉字部件的概念界定与汉字基础部件表 |
5.2 基于WDL的基础部件与整字的表征 |
5.2.1 基于WDL的汉字基础部件表征 |
5.2.2 基于WDL的汉字整字的表征 |
5.3 笔画、部件、整字三层次工整性评价 |
5.3.1 书写评价正确性与工整性的差异示例与分析 |
5.3.2 汉字书写三层次工整性评价方案模型 |
5.3.3 笔画、部件、整字三层次工整性评价方案实现示例 |
5.4 本章小结 |
第6章 汉字书写笔序特征表征与应用 |
6.1 汉字书写笔序的基本概念与内涵 |
6.1.1 笔序与笔顺概念界定 |
6.1.2 笔序与笔画的时空结构关系 |
6.2 汉字书写笔序的记录与标识 |
6.3 汉字书写续笔表征与应用 |
6.3.1 续笔的基本概念以及现状 |
6.3.2 基于笔序-笔画时空结构的续笔判断与形态分析 |
6.3.3 基于WDL联机手写汉字续笔表征的过程与方法 |
6.4 汉字书写笔顺(规范性笔序)的表征与应用 |
6.4.1 汉字书写笔顺概述 |
6.4.2 基于WDL的汉字书写标准笔顺标注过程 |
6.4.3 基于WDL的自由书写汉字的笔顺判断与表征 |
6.5 本章小结 |
第7章 汉字书写笔势的表征与应用 |
7.1 汉字书写中笔势的基本概念界定 |
7.1.1 汉字书法层面的笔势概念 |
7.1.2 本文中笔势界定 |
7.2 书写径迹点集速度提取与笔势表征 |
7.2.1 联机手写笔画径迹点特征提取与径迹点速度计算 |
7.2.2 基于径迹点的速度-时间点的笔势表征与实验分析 |
7.3 汉字基本笔画规范笔势表征模型 |
7.3.1 笔势模型采样对象、采样方法、特征提取方法 |
7.3.2 基本笔画笔势分析与表征特征项设立 |
7.4 基本笔画规范笔势表征模型的笔势评价应用 |
7.5 本章小结 |
第8章 总结与展望 |
8.1 主要研究工作回顾 |
8.2 下一步展望 |
参考文献 |
论文研究期间的成果 |
致谢 |
(7)盲用多点触摸输入法的设计与实现(论文提纲范文)
0引言 |
1研究概述 |
1. 1研究领域 |
1. 2研究现状 |
1. 3本文创新点 |
2设计与实现[11,16 -19] |
2. 1多点触摸手势库设计 |
2. 2手势感应与识别 |
2. 3信息输入 |
3实验结果 |
3. 1文字输入 |
3. 2数学符号输入 |
3. 3性能分析 |
4结语 |
(8)联机手写维吾尔文字母与单词识别研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与目的 |
1.2 维吾尔文字识别的研究意义 |
1.3 文字识别研究范围与本文定位 |
1.4 本文主要工作及贡献 |
1.5 本文组织结构 |
2 联机手写文字识别概述 |
2.1 联机手写识别及其过程 |
2.2 联机手写识别基本原理及特点 |
2.3 联机手写识别的发展与现状 |
2.4 联机手写识别主要方法 |
2.4.1 基于结构的识别方法 |
2.4.2 基于统计的识别方法 |
2.4.3 结构和统计相结合的识别方法 |
2.5 本章小结 |
3 维吾尔文字及其识别研究现状 |
3.1 引言 |
3.2 维吾尔文字母集 |
3.3 维吾尔文字母的基本特点 |
3.4 维吾尔文单词的结构特征 |
3.5 维吾尔文字识别的技术难点 |
3.6 维吾尔文字识别的研究现状 |
3.7 本章小结 |
4 联机手写维吾尔语字母和单词数据库的建设 |
4.1 引言 |
4.2 数字化仪 |
4.3 书写者的选择及书写要求 |
4.4 数据采集的板式设计 |
4.5 样本存储格式与收集 |
4.6 本章小结 |
5 联机手写维吾尔文字母识别技术研究 |
5.1 引言 |
5.2 字符识别的基本步骤 |
5.3 联机手写维吾尔文字母识别对比研究 |
5.3.1 字母识别框架 |
5.3.2 归一化方法的比较 |
5.3.2.1 归一化方法 |
5.3.2.2 实验结果 |
5.3.3 基于改进的NCFE特征的字母识别 |
5.3.3.1 改进的归一化组合特征提取NCFE |
5.3.3.2 实验结果 |
5.3.4 分类器的比较 |
5.3.4.1 修正二次判别函数 |
5.3.4.2 辨别学习二次判别函数 |
5.3.4.3 学习矢量量化 |
5.3.4.4 支持向量机 |
5.3.4.5 实验结果 |
5.4 基于DTW的联机手写维吾尔文字母识别 |
5.4.1 线性与非线性归一化 |
5.4.2 特征提取方法 |
5.4.3 基于最小生成树(MST)的动态聚类方法 |
5.4.4 动态时间弯折(DTW)匹配识别方法 |
5.4.5 实验结果 |
5.5 基于多分类器集成的维吾尔文手写字母识别 |
5.5.1 独立分量分类器的构造 |
5.5.2 多分类器的VOTING集成策略 |
5.5.3 实验结果 |
5.6 本章小结 |
6 联机手写维吾尔文单词的分割方法研究 |
6.1 引言 |
6.2 切分技术概述 |
6.3 切分的评价准则 |
6.4 联机维吾尔文单词过切分方法 |
6.4.1 过切分算法 |
6.4.2 实验结果 |
6.4.2.1 实验数据 |
6.4.2.2 实验结果 |
6.5 基于动态规划的联机维吾尔文单词的分割方法 |
6.5.1 切分框架 |
6.5.2 单字母识别信息和切分块的几何信息 |
6.5.3 基于动态规划的路径搜索 |
6.5.4 实验结果 |
6.6 基于多步分割的联机维吾尔文单词切分方法 |
6.6.1 维吾尔文连体段统计 |
6.6.2 单词分割成连体段 |
6.6.2.1 连体段分割算法 |
6.6.2.2 实验结果 |
6.6.2.3 连体段错误切分分析 |
6.6.3 连体段切分成字母 |
6.6.3.1 字母切分算法 |
6.6.3.2 切分结果实例 |
6.7 本章小结 |
7 集成切分与识别的联机手写维吾尔文单词识别 |
7.1 引言 |
7.2 单词(字符串)识别方法分类 |
7.2.1 基于整词的识别方法 |
7.2.2 基于切分的识别方法 |
7.2.2.1 先切分后识别的方法 |
7.2.2.2 集成分割与识别的方法 |
7.3 基于词典驱动的识别系统框架 |
7.4 集成切分与识别的维吾尔文单词识别 |
7.4.1 预处理技术 |
7.4.2 构造切分候选网格 |
7.4.3 单字母识别器 |
7.4.4 几何信息模型 |
7.4.5 路径匹配过程 |
7.4.5.1 问题描述 |
7.4.5.2 基于动态规划的路径匹配 |
7.4.6 置信度转换 |
7.4.7 实验结果与分析 |
7.4.7.1 维吾尔语词典的设计 |
7.4.7.2 实验结果与分析 |
7.5 本章小结 |
8 总结与展望 |
8.1 全文总结 |
8.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士期间的科研成果 |
(10)基于神经网络的联机手写识别系统研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究手写识别的意义 |
1.2 汉字识别的研究现状 |
1.2.1 汉字识别的研究范围 |
1.2.2 汉字识别研究现状 |
1.3 汉字识别系统的构成和识别方法 |
1.4 本文的主要内容 |
第二章 联机手写汉字识别 |
2.1 联机手写汉字识别(OLCCR)概述 |
2.2 联机手写汉字识别发展和应用趋势 |
2.2.1 联机手写汉字识别的发展 |
2.2.2 联机手写汉字识别的应用趋势 |
2.3 联机手写汉字识别的困难 |
2.4 联机手写汉字识别的基本流程 |
2.4.1 相关概念 |
2.4.2 预处理 |
2.4.3 特征提取 |
2.4.4 特征匹配 |
2.5 本章小结 |
第三章 人工神经网络及其在汉字识别领域的应用 |
3.1 人工神经网络的概述 |
3.1.1 什么是神经网络 |
3.1.2 神经网络发展概述 |
3.1.3 神经网络的主要特点 |
3.1.4 神经网络的应用 |
3.2 人工神经网络的基本模型和结构 |
3.2.1 人工神经网络的基本模型 |
3.2.2 人工神经网络的结构 |
3.3 人工神经网络的工作方式 |
3.3.1 神经网络的学习 |
3.3.2 神经网络的学习规则 |
3.4 人工神经网络在汉字识别领域的应用 |
3.5 本章小结 |
第四章 基于Hopfield 神经网络的联机手写识别技术 |
4.1 Hopfield 神经网络概述 |
4.2 离散型Hopfield 神经网络(DHNN) |
4.2.1 DHNN 模型描述 |
4.2.2 DHNN 工作方式 |
4.2.3 DHNN 稳定性分析 |
4.2.4 DHNN 网络设计 |
4.3 神经网络模式识别对预处理的基本要求 |
4.4 基于Hopfield 神经网络的联机手写识别算法与实现 |
4.5 本章总结 |
第五章 基于Hopfield 神经网络的联机手写识别系统实现 |
5.1 神经网络的软件实现 |
5.1.1 软件运行的若干问题 |
5.1.2 神经网络的开发环境 |
5.2 基于BP 神经网络的手写识别 |
5.3 基于Hopfield 神经网络的手写识别 |
5.3.1 建立Hopfield 网络 |
5.3.2 运行Hopfield 网络 |
5.3.3 系统的性能测试 |
5.4 用于手写识别的Hopfield 网络与BP 网络的对比 |
5.4.1 网络结构的对比 |
5.4.2 网络建立的对比 |
5.4.3 网络识别效果的对比 |
5.5 基于Hopfield 神经网络的联机手写识别系统实现 |
5.6 本章小结 |
第六章 结论和展望 |
致谢 |
参考文献 |
四、联机图形识别方法研究(论文参考文献)
- [1]手写汉字评价方法研究进展[J]. 肖雪,李成城. 计算机工程与应用, 2022(02)
- [2]基于Graph OLAM的并行分析挖掘系统的研究与实现[D]. 孙思瑞. 北京邮电大学, 2021(01)
- [3]自然场景下乌金体藏文检测与识别方法研究[D]. 洪松. 西藏大学, 2021
- [4]基于图数据库Neo4j的信用卡反欺诈系统的设计与实现[D]. 范倬瑜. 浙江工业大学, 2020(02)
- [5]面向Android的人机交互虚拟机系统的设计与实现[D]. 陈文龙. 哈尔滨工业大学, 2018(02)
- [6]基于WDL的汉字书写表征与应用[D]. 姜杰. 南京师范大学, 2016(01)
- [7]盲用多点触摸输入法的设计与实现[J]. 张居晓,曾晓勤,孟朝晖. 计算机应用与软件, 2015(10)
- [8]联机手写维吾尔文字母与单词识别研究[D]. 玛依热·依布拉音. 武汉大学, 2013(06)
- [9]化学表达式的识别方法[A]. 王科俊,袁翠玲,刘昱. 2011年中国智能自动化学术会议论文集(第一分册), 2011
- [10]基于神经网络的联机手写识别系统研究与实现[D]. 赵蓉. 西安电子科技大学, 2011(07)