基于RVM的手写体数字识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·论文研究的背景与意义 | 第7-10页 |
| ·手写体数字识别的发展历程 | 第7-8页 |
| ·手写体数字识别的应用及研究意义 | 第8-9页 |
| ·相关向量机的研究现状 | 第9-10页 |
| ·论文的主要工作及内容安排 | 第10-13页 |
| 第二章 手写体数字识别介绍 | 第13-19页 |
| ·手写体数字识别方法简介 | 第13-15页 |
| ·手写体数字识别流程 | 第15-16页 |
| ·手写体数字识别的困难 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 相关向量机 | 第19-45页 |
| ·RVM方法的基本理论框架 | 第19-22页 |
| ·贝氏定理和马尔科夫性 | 第20-21页 |
| ·核函数 | 第21-22页 |
| ·相关向量机 | 第22-25页 |
| ·相关向量机回归 | 第22-24页 |
| ·相关向量机分类 | 第24-25页 |
| ·RVM分类和回归的实现过程 | 第25-30页 |
| ·核函数与核参数对RVM的影响 | 第25-28页 |
| ·常用的核参数优化方法 | 第28-29页 |
| ·RVM训练算法 | 第29-30页 |
| ·基于稀疏性假设的RVM核参数优化方法 | 第30-35页 |
| ·一种用于RBF核参数优化的网格建立方法 | 第30-32页 |
| ·学习机器的稀疏度 | 第32页 |
| ·基于稀疏性假设的RVM核参数优化方法介绍 | 第32-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·基于RBF的RVM和SVM分类与回归分析比较 | 第35-39页 |
| ·RVM在模型选择方面的优势 | 第36页 |
| ·基于RBF的RVM与SVM回归的分析比较 | 第36-38页 |
| ·基于RBF的RVM与SVM的模式分类分析比较 | 第38-39页 |
| ·基于RVM回归的分类算法 | 第39-43页 |
| ·RVRC分类器介绍 | 第40-42页 |
| ·实验结果及分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于RVM的手写体数字识别分析 | 第45-51页 |
| ·常用RVM多类分类构造方法 | 第45-47页 |
| ·几种多类分类构造方法的分析比较 | 第47-48页 |
| ·基于DAG-RVM的手写体数字识别的实验分析 | 第48-50页 |
| ·手写体数字数据说明 | 第48-50页 |
| ·实验结果及分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 硕士期间的研究成果 | 第58-59页 |
