支持向量机在视频交通信息检测系统中的应用研究

第一章 绪论	第1-20页
·统计学习理论	第12-13页
·支持向量机	第13-15页
·视频交通信息检测系统	第15-18页
·本文的内容安排	第18-20页
第二章 统计学习理论概述	第20-27页
·机器学习的基本问题	第20-23页
·机器学习问题的表示	第20-21页
·经验风险最小化	第21-22页
·复杂性与推广能力	第22-23页
·统计学习理论	第23-26页
·函数集的 VC维	第23-24页
·推广能力的界	第24-25页
·结构风险最小化	第25-26页
·本章小结	第26-27页
第三章 支持向量机	第27-37页
·支持向量机的工作原理	第27-33页
·线性支持向量机	第27-30页
·非线性支持向量机	第30-33页
·多类支持向量机	第33-36页
·二类组合分类	第33页
·全局优化分类	第33-34页
·决策树分类	第34-35页
·对比分析	第35-36页
·本章小结	第36-37页
第四章 支持向量机在视频交通信息检测系统中的应用	第37-47页
·系统构成	第38页
·系统工作原理	第38-42页
·设置检测区域	第38-39页
·图像预处理	第39页
·分析检测区域图像特征	第39-40页
·当前常用的视频检测方法	第40-41页
·基于支持向量机的视频检测	第41-42页
·设计支持向量机分类器	第42-43页
·实验及分析	第43-45页
·分类器的训练与测试	第43-44页
·根据分类器检测交通信息	第44-45页
·本章小结	第45-47页
第五章 总结与展望	第47-49页
·总结	第47页
·展望	第47-49页
参考文献	第49-52页
研究生期间主要科研工作及成果	第52-53页
附录	第53-57页