SVM内核构建与优化在羽绒检测系统中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·课题研究的目的、意义 | 第7-8页 |
| ·目前研究现状及存在的问题 | 第8页 |
| ·为支持向量机选择多个参数值的新方法 | 第8-9页 |
| ·构建组合内核方法 | 第9页 |
| ·本文的主要内容 | 第9-10页 |
| 第二章 统计学习理论与支持向量机(SVM) | 第10-19页 |
| ·统计学习理论 | 第10-12页 |
| ·VC 维 | 第10页 |
| ·推广性的界 | 第10-11页 |
| ·结构风险最小化 | 第11-12页 |
| ·SVM 基本原理 | 第12-16页 |
| ·线性SVM(线性可分情况) | 第12-14页 |
| ·非线性SVM | 第14-15页 |
| ·核函数 | 第15-16页 |
| ·SVM 算法中目前的研究状况 | 第16-17页 |
| ·SVM 的研究方向 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 羽绒种类自动检测系统 | 第19-30页 |
| ·羽绒种类自动检测的基本原理 | 第19页 |
| ·系统的硬件结构 | 第19-20页 |
| ·鹅、鸭等毛绒的结构特征分析 | 第20-22页 |
| ·图像的预处理 | 第22页 |
| ·特征提取 | 第22-23页 |
| ·SVM 模型的训练 | 第23-25页 |
| ·SMO 算法与分析 | 第23-24页 |
| ·重复训练方法 | 第24-25页 |
| ·用SVM 进行菱节识别 | 第25-27页 |
| ·菱节识别过程 | 第25-26页 |
| ·使用多项式核SVM 进行菱节识别 | 第26-27页 |
| ·菱节的配对与羽绒识别 | 第27-28页 |
| ·菱节的配对算法 | 第27页 |
| ·羽绒识别 | 第27-28页 |
| ·羽绒种类自动检测系统的工作流程 | 第28页 |
| ·关于羽绒种类自动检测系统的几点说明 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 SVM 内核优化方法的研究 | 第30-40页 |
| ·优化算法 | 第30-33页 |
| ·梯度下降法 | 第30-31页 |
| ·牛顿法 | 第31-32页 |
| ·拟牛顿法 | 第32-33页 |
| ·模式选择算法 | 第33-34页 |
| ·SVM 中的概率估计 | 第34页 |
| ·拟牛顿算法对SVM 内核的优化 | 第34-36页 |
| ·拟牛顿算法在基于SVM 的羽绒识别系统中的应用 | 第36-39页 |
| ·梯度下降法在基于SVM 的羽绒识别系统中的应用 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第五章 SVM 中内核构建方法的研究与应用 | 第40-43页 |
| ·组合内核函数 | 第40-41页 |
| ·组合内核和拟牛顿算法在羽绒识别系统中的应用 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 结论与展望 | 第43-44页 |
| ·结论 | 第43页 |
| ·展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士期间发表的论文 | 第48页 |
