| 目录 | 第1-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景、目标和意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究目标 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·机器学习 | 第14-17页 |
| ·机器学习问题的提出 | 第14-15页 |
| ·机器学习的实现方法 | 第15-16页 |
| ·支持向量机与机器学习 | 第16页 |
| ·机器学习方法的应用 | 第16-17页 |
| ·交通标志识别系统 | 第17-22页 |
| ·交通标志识别系统简介 | 第17-18页 |
| ·交通标志识别研究现状 | 第18-20页 |
| ·交通标志识别中存在的问题 | 第20-21页 |
| ·交通标志识别系统框图 | 第21-22页 |
| ·论文的主要内容和结构布局 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第二章 统计学习理论与支持向量机 | 第24-42页 |
| ·概述 | 第24页 |
| ·统计学习基本理论 | 第24-27页 |
| ·ＶＣ 维问题 | 第25页 |
| ·泛化问题的界 | 第25-26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量机理论 | 第27-32页 |
| ·广义最优分类超平面 | 第27-28页 |
| ·支持向量机 | 第28-30页 |
| ·支持向量机核函数 | 第30-32页 |
| ·支持向量机训练算法 | 第32-35页 |
| ·块训练算法 | 第33-34页 |
| ·固定样本集训练算法 | 第34-35页 |
| ·块算法和固定样本集算法的区别 | 第35页 |
| ·支持向量机多类分类器的设计 | 第35-39页 |
| ·二类组合多类分类器 | 第36页 |
| ·决策树方法多类分类器设计 | 第36-38页 |
| ·多类分类器算法性能分析 | 第38-39页 |
| ·支持向量机算法和神经网络传统算法的比较 | 第39-41页 |
| ·概念比较 | 第39-40页 |
| ·训练算法比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于支持向量机的交通标志识别算法研究 | 第42-71页 |
| ·交通标志识别系统算法结构分析 | 第42-44页 |
| ·交通标志识别算法分析 | 第42-43页 |
| ·基于支持向量机的交通标志分层识别 | 第43-44页 |
| ·交通标志识别系统需解决的关键问题 | 第44页 |
| ·图像增强 | 第44-48页 |
| ·Ｇａｍｍａ 矫正 | 第45页 |
| ·图像滤波技术 | 第45-48页 |
| ·交通标志图像分割 | 第48-57页 |
| ·彩色图像分割概念 | 第48-49页 |
| ·交通标志图像分割研究现状 | 第49页 |
| ·基于色彩空间模型的交通标志分割 | 第49-54页 |
| ·基于纹理特征分析的交通标志分割 | 第54-56页 |
| ·基于 ＳＶＭ 的交通标志识别系统图像分割策略 | 第56-57页 |
| ·特征提取 | 第57-65页 |
| ·交通标志特征提取概述 | 第57-58页 |
| ·交通标志特征提取中所用到的技术 | 第58-60页 |
| ·特征提取与分类 | 第60-64页 |
| ·特征提取在基于 ＳＶＭ 的交通标志识别系统中的应用 | 第64-65页 |
| ·样本特征数据库的创建 | 第65-67页 |
| ·样本特征数据库交通标志图像的来源 | 第66页 |
| ·样本特征数据库的结构 | 第66页 |
| ·样本特征数据库的特点 | 第66-67页 |
| ·交通标志识别多类分类器的设计 | 第67页 |
| ·多类分类器设计 | 第67页 |
| ·核函数、参数选择 | 第67页 |
| ·识别结果与分析 | 第67-70页 |
| ·支持向量机识别过程 | 第67-68页 |
| ·交叉验证 | 第68-69页 |
| ·支持向量机识别结果 | 第69-70页 |
| ·结论 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第四章 系统设计与实现 | 第71-74页 |
| ·系统功能简介 | 第71页 |
| ·算法编程介绍 | 第71-72页 |
| ·系统组成与案例分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 结束语 | 第74-76页 |
| ·本文的主要工作 | 第74页 |
| ·结论 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |
| 致谢 | 第82页 |