+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Адаптивная обработка каллиграфической информации, представленной в виде рукописных символов

Адаптивная обработка каллиграфической информации, представленной в виде рукописных символов
  • Автор:

    Демин, Алексей Анатольевич

  • Шифр специальности:

    05.13.01

  • Научная степень:

    Кандидатская

  • Год защиты:

    2014

  • Место защиты:

    Москва

  • Количество страниц:

    181 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы
"
ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ ОБРАБОТКИ 
ИНФОРМАЦИИ, ПРЕДСТАВЛЕННОЙ РУКОПИСНЫМИ СИМВОЛАМИ



СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ ОБРАБОТКИ

ИНФОРМАЦИИ, ПРЕДСТАВЛЕННОЙ РУКОПИСНЫМИ СИМВОЛАМИ

1.1. Актуальность обработки информации, представленной рукописными образами

1.2. Классификация систем распознавания рукописных образов

1.3. Анализ решений для распознавания рукописных образов


1.4. Анализ обобщенной модели информации, представленной совокупностью рукописных образов
1.5. Постановка задачи обработки информации рукописных текстов в свете разрешения противоречий процессов формирования навыков каллиграфии

Выводы по главе
ГЛАВА 2. МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ РАСПОЗНАВАНИЯ РУКОПИСНЫХ СИМВОЛОВ И ОБРАБОТКИ КАЛЛИГРАФИЧЕСКОЙ ИНФОРМАЦИИ
2.1. Обобщенная модель оперативного и автономного методов распознавания рукописных образов
2.2. Метод обработки каллиграфической информации, представленной в виде рукописных символов
2.3. Алгоритмы изменения цветности изображения для автономного метода распознавания
2.4. Фильтры шумоподавления и сглаживания для автономного метода распознавания
2.5. Методы получения векторов признаков рукописных символов для

автономного метода распознавания
2.6. Оперативные методы распознавания рукописных символов
2.7. Математическая модель оперативного метода распознавания рукописных символов и обработки заключенной в них каллиграфической информации
Выводы по главе
ГЛАВА 3. РАЗРАБОТКА ОБУЧАЮЩЕЙ СИСТЕМЫ ДЛЯ ФОРМИРОВАНИЯ НАВЫКОВ КАЛЛИГРАФИИ
3.1. Анализ функциональных требований к обучающей системе
3.2. Структурно-функциональная модель работы обучающей системы
3.3. Модели вариантов использования обучающей системы
3.4. Логическая модель обучающей системы
3.5. Модель реализации обучающей системы
3.6. Модель развёртывания обучающей системы
Выводы по главе
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ОБУЧАЮЩЕЙ СИСТЕМЫ ФОРМИРОВАНИЯ НАВЫКОВ КАЛЛИГРАФИИ
4.1. Структура и состав экспериментального стенда исследования обучающей системы
4.2. Опытная эксплуатация обучающей системы при решении образовательных задач
4.3. Опытная эксплуатация обучающей системы при решении реабилитационно-медицинских задач
4.4. Прогнозируемые результаты применения обучающей системы для восстановления тонкой моторики кистей рук и для диагностики состояния

организма у космонавтов
Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЕ

следующих операций: изменения цветности изображения, преобразование к векторному виду, сравнение с эталоном и оценка.
Метод обеспечивает преобразование растрового изображения со сканера или массива координат сенсорного экрана к векторному виду, и последующее сравнение этих данных с эталоном для формирования оценки качества письма. При этом в качестве устройств ввода каллиграфической информации могут использоваться различные типы сканеров, фотоаппаратов, сенсорных матриц, электронных ручек и диджитайзеров. Также метод предусматривает использование массивов эталонов символов от различных алфавитов.
Результатом обработки является оценка сходства письма с эталоном символа, хранящемся в базе данных.
Предложенный метод включает:
- алгоритмы автономного и оперативного распознавания символов;
- операции по преобразованию потока данных - шумоподавления и сглаживания, пастеризацию, разбиение на строки, бинаризацию, векторизацию, разбиение на символы для построения модели графов;
- математическую модель сравнения и оценки;
- рекомендации по выбору аппаратного обеспечения.
При разработке алгоритмов векторизации и оценки метод обеспечивает сокращение используемых ресурсов аппаратного обеспечения за счет специализированной СУБД.
При выборе области применения метода следует применять рекомендации по выбору аппаратного обеспечения, учитывающие системные и эргономические характеристики.

Рекомендуемые диссертации данного раздела

Время генерации: 0.120, запросов: 967