导读:本文包含了手写数学符号识别论文开题报告文献综述及选题提纲参考文献，主要关键词:数学公式符号识别,符号分割,BP神经网络
手写数学符号识别论文文献综述
徐旭明,洪留荣,张建成[1]（2009）在《一种改进的手写数学公式符号识别算法》一文中研究指出针对手写数学公式符号的特殊性提出一种改进的公式符号识别算法.利用外接矩形技术来切分公式符号,利用改进的BP神经网络算法进行手写数学公式符号识别.实验证明,改进后的公式符号识别算法提高收敛速度和识别的效率.(本文来源于《淮北煤炭师范学院学报(自然科学版)》期刊2009年02期）
杨金伟[2]（2009）在《拓扑结构特征提取及其在脱机手写数学符号识别中的研究与应用》一文中研究指出文字是人类信息交流的主要载体之一。随着计算机信息技术的高速发展,使用计算机处理并识别文字信息也就成为了一个非常重要的研究和应用领域。光学字符识别OCR(Optical Character Recognition)是在20世纪逐步发展起来的一门自动化技术。脱机手写体字符识别是模式识别的一个重要分支,它涉及人工智能、图像处理、信息论、数字信号处理、模糊数学、计算机等学科,是一门综合性技术。在信息处理、机器翻译、办公自动化、人工智能等高技术领域,都有着重要的实用价值和理论意义。需要录入到计算机中的非纯文本信息是各种各样的,如大规模的原始数据资料、税务单据、会计凭证、金融票据、传统信件以及学生试卷等。如果采用手工输入的方式,就会显得非常麻烦而且工作效率非常低。尽管识别文字及数字的OCR技术已经非常实用,但数学符号的识别仍然不够理想。而数学符号对科学研究人员、数学工作者乃至普通大众都是很重要的。针对这一问题,本文进行了必要的分析,分别将脱机手写数字和脱机希腊字母进行了预处理并自主建立了手写数学符号样本库,然后对其进行了特征提取以及分类识别实验。本文对手写数学符号识别技术进行了研究和探讨,试图寻找属于某种范围的(比如:学生试卷学号、日期以及数学试卷中最常见的希腊字母,MNIST手写数字库)特征提取以达到很高的识别率。提出了一种通过拓扑特征构造来进行特征提取的方法。该方法以图像预处理为基础,最后采用分类树的方法进行识别分类。在特征提取方面,本文提出了一种拓扑结构构造方法,对数学符号构造了拓扑特征。人类字符认知的常识表明,拓扑结构在字符尤其是单个字符的辨识中起着首要的决定性的作用。由于原始图像所含对象本身的拓扑结构所包含的信息是很有限的,不能够反映出对象或其某些部位的弯曲方向、程度、分支关系等特征,而这些特征对于区分对象来说又是非常关键的。为此,本文提出如下的图像对象拓扑构造方法:在原始图像对象的某一侧或某几侧增加几列或几行像素,这些新增加的像素与原来的图像对象构成了新的拓扑结构,然后通过对新拓扑结构的连通区域的计数与位置计算获得识别特征。这些新构成的拓扑结构所含的连通(环状)区域能够体现出对象或其某些部位的弯曲方向、程度、分支关系等特征,从而可以为分类和识别提供有价值的依据。在预处理方面,本文用采集来的本科学生试卷的学号和日期以及学生高等数学试卷中的最常用的希腊字母作为样本,对其采用了传统的预处理过程,包括图像的灰度化、单字符切分、二值化、字符平滑、去除干扰、单字符归一化。最后将预处理后的字符图像仿照MNIST手写数字库建立了一个手写数学符号库,其中留有与MNIST手写库同样的边缘背景。分类识别采用了分类树的方法。实验表明,该方法不仅运算速度较快,而且分类效果好。识别系统对自主采集建立的手写数学符号图形库进行了分类识别实验,手写数字最好识别率为93.5%,误识率为6.0%,拒识率为0.5%,手写希腊字母最好识别率为93.7%,误识率为5.4%,拒识率为0.9%。实验表明,我们所提出的方法有较好的可行性,并得到了较高的辨识率。(本文来源于《山东师范大学》期刊2009-05-18）
张显全[3]（2001）在《一种基于编码的识别手写数学符号方法》一文中研究指出提出了一种对手写数学符号的识别方法。通过对数学符号的图象进行处理,然后对其进行编码,并采用模糊识别方法建立了识别函数,根据这一函数以求最佳匹配。试验结果表明,该方法有良好的识别性能。(本文来源于《计算机工程》期刊2001年04期）
赵学军,余楚中,杨波,潘保昌[4]（1998）在《手写数学符号的基元识别方法》一文中研究指出对手写数学字符的联机识别进行了研究。首先分析９４个常用数学符号的结构，指出这些符号均由１０个基本结构元组成；其次抽取数学符号的叁个重要特征：基元矢量、基元之间的位置关系和基元长度矢量并采用了一种基元排序法。同时考虑匹配值和不匹配值以及增加几何约束改进了传统的动态规划匹配方法，并用改进的Ｋｕｈｎ－Ｍｕｎｋｒｅｓ算法求最佳匹配。在对２０人无限制书写的数学符号的识别试验中，正确识别率为９２．５２％，误识率为３．０３％，拒识率为４．４５％．(本文来源于《重庆大学学报(自然科学版)》期刊1998年02期）
卢峥,史习智,王学军[5]（1995）在《建筑工程中手写体常用数学符号的神经网络识别》一文中研究指出本文对建筑工程中实用的字符集识别提出了一种传统方法与神经网络相结合的新技术.在本文的实验中采用两个不同的网络:标准的叁层BP网络和带一个高斯隐层的叁层网络,互补地识别了建筑业中常用的二十个字符.(本文来源于《模式识别与人工智能》期刊1995年04期）
手写数学符号识别论文开题报告
（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：
文字是人类信息交流的主要载体之一。随着计算机信息技术的高速发展,使用计算机处理并识别文字信息也就成为了一个非常重要的研究和应用领域。光学字符识别OCR(Optical Character Recognition)是在20世纪逐步发展起来的一门自动化技术。脱机手写体字符识别是模式识别的一个重要分支,它涉及人工智能、图像处理、信息论、数字信号处理、模糊数学、计算机等学科,是一门综合性技术。在信息处理、机器翻译、办公自动化、人工智能等高技术领域,都有着重要的实用价值和理论意义。需要录入到计算机中的非纯文本信息是各种各样的,如大规模的原始数据资料、税务单据、会计凭证、金融票据、传统信件以及学生试卷等。如果采用手工输入的方式,就会显得非常麻烦而且工作效率非常低。尽管识别文字及数字的OCR技术已经非常实用,但数学符号的识别仍然不够理想。而数学符号对科学研究人员、数学工作者乃至普通大众都是很重要的。针对这一问题,本文进行了必要的分析,分别将脱机手写数字和脱机希腊字母进行了预处理并自主建立了手写数学符号样本库,然后对其进行了特征提取以及分类识别实验。本文对手写数学符号识别技术进行了研究和探讨,试图寻找属于某种范围的(比如:学生试卷学号、日期以及数学试卷中最常见的希腊字母,MNIST手写数字库)特征提取以达到很高的识别率。提出了一种通过拓扑特征构造来进行特征提取的方法。该方法以图像预处理为基础,最后采用分类树的方法进行识别分类。在特征提取方面,本文提出了一种拓扑结构构造方法,对数学符号构造了拓扑特征。人类字符认知的常识表明,拓扑结构在字符尤其是单个字符的辨识中起着首要的决定性的作用。由于原始图像所含对象本身的拓扑结构所包含的信息是很有限的,不能够反映出对象或其某些部位的弯曲方向、程度、分支关系等特征,而这些特征对于区分对象来说又是非常关键的。为此,本文提出如下的图像对象拓扑构造方法:在原始图像对象的某一侧或某几侧增加几列或几行像素,这些新增加的像素与原来的图像对象构成了新的拓扑结构,然后通过对新拓扑结构的连通区域的计数与位置计算获得识别特征。这些新构成的拓扑结构所含的连通(环状)区域能够体现出对象或其某些部位的弯曲方向、程度、分支关系等特征,从而可以为分类和识别提供有价值的依据。在预处理方面,本文用采集来的本科学生试卷的学号和日期以及学生高等数学试卷中的最常用的希腊字母作为样本,对其采用了传统的预处理过程,包括图像的灰度化、单字符切分、二值化、字符平滑、去除干扰、单字符归一化。最后将预处理后的字符图像仿照MNIST手写数字库建立了一个手写数学符号库,其中留有与MNIST手写库同样的边缘背景。分类识别采用了分类树的方法。实验表明,该方法不仅运算速度较快,而且分类效果好。识别系统对自主采集建立的手写数学符号图形库进行了分类识别实验,手写数字最好识别率为93.5%,误识率为6.0%,拒识率为0.5%,手写希腊字母最好识别率为93.7%,误识率为5.4%,拒识率为0.9%。实验表明,我们所提出的方法有较好的可行性,并得到了较高的辨识率。
（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。
手写数学符号识别论文参考文献
[1].徐旭明,洪留荣,张建成.一种改进的手写数学公式符号识别算法[J].淮北煤炭师范学院学报(自然科学版).2009
[2].杨金伟.拓扑结构特征提取及其在脱机手写数学符号识别中的研究与应用[D].山东师范大学.2009
[3].张显全.一种基于编码的识别手写数学符号方法[J].计算机工程.2001
[4].赵学军,余楚中,杨波,潘保昌.手写数学符号的基元识别方法[J].重庆大学学报(自然科学版).1998
[5].卢峥,史习智,王学军.建筑工程中手写体常用数学符号的神经网络识别[J].模式识别与人工智能.1995