| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10页 |
| 1.3 国内外研究进展 | 第10-13页 |
| 1.4 论文研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第2章 多分类器集成分类技术的相关理论 | 第15-26页 |
| 2.1 多分类器集成分类的概念 | 第15-17页 |
| 2.2 支持向量机的相关理论 | 第17-21页 |
| 2.2.1 支持向量机的概念 | 第17-18页 |
| 2.2.2 支持向量机的分类模型 | 第18-21页 |
| 2.3 K近邻及在多分类器集成的应用 | 第21-22页 |
| 2.4 经典的相关方法介绍 | 第22-25页 |
| 2.4.1 基于bagging的多分类器集成分类 | 第22-24页 |
| 2.4.2 基于boosting的多分类器集成分类 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于近邻的多分类器选择集成分类方法 | 第26-42页 |
| 3.1 分类器的选择和集成方法的研究 | 第27-29页 |
| 3.1.1 多分类器的选择 | 第27-28页 |
| 3.1.2 多分类器的集成方法 | 第28-29页 |
| 3.2 基于近邻的多分类器选择集成分类方法 | 第29-34页 |
| 3.2.1 基于近邻的多分类器选择集成分类方法框架 | 第30-31页 |
| 3.2.2 基于近邻的多分类选择集成分类算法描述 | 第31-34页 |
| 3.3 实验与分析 | 第34-41页 |
| 3.3.1 实验数据集 | 第34-35页 |
| 3.3.2 实验过程描述 | 第35-37页 |
| 3.3.3 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于近邻的多分类器选择集成分类方法在号牌识别的应用 | 第42-60页 |
| 4.1 传统分类识别算法及在号牌识别领域的应用现状 | 第42-45页 |
| 4.1.1 传统分类识别算法 | 第43-44页 |
| 4.1.2 分类识别算法在号牌识别中的应用现状 | 第44-45页 |
| 4.2 基于近邻的多分类器选择集成号牌识别算法 | 第45-48页 |
| 4.3 实验结果及分析 | 第48-51页 |
| 4.3.1 实验数据集 | 第48页 |
| 4.3.2 实验结果及分析 | 第48-51页 |
| 4.4 基于近邻的多分类器选择集成车牌识别系统 | 第51-55页 |
| 4.4.1 系统设计 | 第51-54页 |
| 4.4.2 系统运行结果及分析 | 第54-55页 |
| 4.5 基于近邻的多分类器选择集成箱号识别系统 | 第55-59页 |
| 4.5.1 系统设计 | 第55-58页 |
| 4.5.2 系统运行结果与分析 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与未来展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 本文工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录：攻读硕士学位期间取得的科研成果 | 第67页 |
