SVR理论在图像处理和边值问题中的应用
| 第一章 绪论 | 第1-11页 |
| §1-1 支持向量机理论简介 | 第7页 |
| §1-2 数字图像处理简介 | 第7-9页 |
| 1-2-1 数字图像处理主要包括的内容 | 第7-8页 |
| 1-2-2 数字图像处理技术的相关学科 | 第8页 |
| 1-2-3 数字图像处理的主要应用领域 | 第8-9页 |
| §1-3 图像分割简介 | 第9页 |
| 1-3-1 图像分割的意义 | 第9页 |
| 1-3-2 图像分割的定义 | 第9页 |
| 1-3-3 图像分割的方法 | 第9页 |
| §1-4 边值问题简介 | 第9-10页 |
| §1-5 论文主要研究工作 | 第10-11页 |
| 第二章 支持向量机理论 | 第11-25页 |
| §2-1 统计学习理论 | 第11-13页 |
| §2-2 支持向量分类（SVC）理论 | 第13-17页 |
| 2-2-1 线性可分的情况 | 第13-15页 |
| 2-2-2 非线性可分的情况 | 第15-17页 |
| §2-3 支持向量函数回归（SVR）理论 | 第17-25页 |
| 2-3-1 线性回归的情况 | 第17-20页 |
| 2-3-2 非线性回归的情况 | 第20-21页 |
| 2-3-3 SVR小结 | 第21-25页 |
| 第三章 图像的SVR表示 | 第25-30页 |
| §3-1 图像信息的表示 | 第25-27页 |
| §3-2 SVR表示图像的原理 | 第27-29页 |
| 3-2-1 SVR表示图像的原理 | 第27-28页 |
| 3-2-2 提取训练数据 | 第28页 |
| 3-2-3 图像样本训练和图像恢复 | 第28-29页 |
| §3-3 本章小结 | 第29-30页 |
| 第四章 SVR图像处理 | 第30-46页 |
| §4-1 SVR图像的几何变换 | 第30-32页 |
| §4-2 SVR图像的边缘检测 | 第32-45页 |
| §4-3 本章小结 | 第45-46页 |
| 第五章 SVR在边值问题中的应用 | 第46-56页 |
| §5-1 求解边值问题的现状 | 第46页 |
| §5-2 SVR在边值问题中的应用 | 第46-55页 |
| 5-2-1 SVR在边值问题中的应用 | 第46-47页 |
| 5-2-2 举例 | 第47-55页 |
| §5-3 本章小结 | 第55-56页 |
| 第六章 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录A | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间所取得的相关科研成果 | 第66页 |
