| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究目标与意义 | 第9-10页 |
| 1.4 论文的内容和结构 | 第10-12页 |
| 第二章 研究基础 | 第12-21页 |
| 2.1 手写数字识别的主要方法 | 第13页 |
| 2.2 手写数字特征提取 | 第13-19页 |
| 2.2.1 标准化Gamma/颜色空间 | 第15页 |
| 2.2.2 计算图像梯度 | 第15-16页 |
| 2.2.3 构建梯度方向直方图 | 第16-17页 |
| 2.2.4 Block块内归一化 | 第17-18页 |
| 2.2.5 生产HOG特征描述子 | 第18-19页 |
| 2.3 基于SVM的手写数字识别 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 PHOG描述算子构建与SVM分类 | 第21-35页 |
| 3.1 构建PHOG描述算子的流程 | 第21-26页 |
| 3.1.1 上采样原始的手写数字图像 | 第21-22页 |
| 3.1.2 计算手写数字图像的梯度信息 | 第22页 |
| 3.1.3 检测手写数字的Canny边缘 | 第22-24页 |
| 3.1.4 构建三层金字塔HOG描述算子 | 第24-26页 |
| 3.2 最优分割超平面 | 第26-27页 |
| 3.3 线性支持向量机 | 第27-29页 |
| 3.3.1 线性支持向量机凸优化问题 | 第27-28页 |
| 3.3.2 线性支持向量机优化的对偶问题 | 第28页 |
| 3.3.3 线性支持向量机的软间隔最大化 | 第28-29页 |
| 3.4 非线性支持向量机 | 第29-31页 |
| 3.4.1 核函数问题的提出 | 第29-31页 |
| 3.4.2 采用核函数的SVM优化和决策问题 | 第31页 |
| 3.5 多分类支持向量机 | 第31-33页 |
| 3.5.1 一对多方法 | 第31-32页 |
| 3.5.2 一对一方法 | 第32-33页 |
| 3.6 基于PHOG描述算子的手写数字的SVM优化问题 | 第33-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 基于PHOG描述算子的手写数字识别的实现 | 第35-41页 |
| 4.1 本系统的主界面 | 第35-36页 |
| 4.2 PHOG描述算子的实现 | 第36-37页 |
| 4.3 多分类SVM手写数字识别的实现 | 第37-40页 |
| 4.4 本章总结 | 第40-41页 |
| 第五章 实验与分析 | 第41-47页 |
| 5.1 实验设置 | 第41-42页 |
| 5.2 实验具体步骤 | 第42-44页 |
| 5.3 实验结果分析 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结和展望 | 第47-48页 |
| 6.1 本文总结 | 第47页 |
| 6.2 本文展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |