基于主动学习SVM的字符识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1. 绪论 | 第7-11页 |
| ·OCR的研究现状 | 第7-8页 |
| ·常用的字符识别方法 | 第8-9页 |
| ·统计决策法 | 第8-9页 |
| ·结构模式识别 | 第9页 |
| ·人工神经网络 | 第9页 |
| ·支持向量机简介 | 第9-10页 |
| ·主动学习的简介 | 第10页 |
| ·本文研究的主要内容和安排 | 第10-11页 |
| 2. 字符预处理和特征提取 | 第11-26页 |
| ·预处理 | 第11-21页 |
| ·图像的二值化 | 第11-12页 |
| ·图像的去噪 | 第12-14页 |
| ·字符图像的倾斜校正 | 第14-17页 |
| ·字符图像的分割 | 第17-20页 |
| ·归一化 | 第20-21页 |
| ·特征提取 | 第21-25页 |
| ·模式识别特征提取方法 | 第22页 |
| ·字符识别常用特征提取方法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3. SVM与主动学习的SVM | 第26-39页 |
| ·SVM原理 | 第26-31页 |
| ·线性可分 | 第26-29页 |
| ·线性不可分 | 第29-31页 |
| ·核函数 | 第31-32页 |
| ·多项式核函数 | 第31页 |
| ·径向基核函数 | 第31-32页 |
| ·多层感知机核函数 | 第32页 |
| ·动态核函数 | 第32页 |
| ·多分类问题 | 第32-34页 |
| ·主动学习的原理和一般实现方法 | 第34-37页 |
| ·主动学习原理 | 第34-36页 |
| ·主动学习实现的方法 | 第36-37页 |
| ·主动学习的SVM | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4. 主动学习与SVM相结合的OCR | 第39-50页 |
| ·实现的算法原理 | 第39页 |
| ·实现算法的分析 | 第39-43页 |
| ·询问机制 | 第40-41页 |
| ·模型的建立 | 第41-42页 |
| ·主动学习SVM多分类问题 | 第42-43页 |
| ·算法时间效率的问题 | 第43页 |
| ·试验数据分析 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 5. 软件实现过程 | 第50-59页 |
| ·字符的特征提取 | 第51页 |
| ·归一化问题 | 第51-52页 |
| ·样本的训练 | 第52页 |
| ·参数的选择 | 第52-53页 |
| ·训练过程 | 第53-57页 |
| ·训练结果分析 | 第57-58页 |
| ·具有交互式学习能力的字符识别软件 | 第58页 |
| ·本章小结 | 第58-59页 |
| 6. 结论和展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
