| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-18页 |
| ·引言 | 第8-9页 |
| ·车道偏离预警系统简介 | 第9-11页 |
| ·道路光照模式分类器的研究意义 | 第11-13页 |
| ·分类器设计常用方法介绍 | 第13-16页 |
| ·模板匹配 | 第13-14页 |
| ·人工神经网络识别方法 | 第14页 |
| ·句法模式识别方法 | 第14页 |
| ·模糊模式识别方法 | 第14-15页 |
| ·模糊神经网络 | 第15页 |
| ·支持向量机 | 第15-16页 |
| ·本文研究内容 | 第16-17页 |
| ·全文结构 | 第17-18页 |
| 第二章 特征提取 | 第18-32页 |
| ·引言 | 第18页 |
| ·特征提取概述 | 第18-19页 |
| ·基于经验的特征选择 | 第19-23页 |
| ·基于K-L 变换的特征提取 | 第23-31页 |
| ·K-L 变换的基本原理 | 第23-24页 |
| ·K-L 变换的计算过程 | 第24-26页 |
| ·基于K-L 变换的特征提取 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 神经网络分类器设计 | 第32-50页 |
| ·引言 | 第32页 |
| ·人工神经网络概述 | 第32-41页 |
| ·人工神经网络的特点 | 第32-33页 |
| ·神经元的基本模型 | 第33-34页 |
| ·映射函数 | 第34-35页 |
| ·前馈神经网络基本结构 | 第35-36页 |
| ·BP 学习算法 | 第36-40页 |
| ·BP 神经网路的不足和改进算法 | 第40-41页 |
| ·BP 神经网络分类器设计 | 第41-45页 |
| ·BP 神经网络分类器的结构设计 | 第41-42页 |
| ·基于经验特征提取的BP 神经网络的设计 | 第42-44页 |
| ·基于K-L 变换特征提取方法的BP 神经网络设计 | 第44-45页 |
| ·BP 神经网络分类器的实现 | 第45-46页 |
| ·试验验证 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 模糊分类器设计 | 第50-68页 |
| ·引言 | 第50页 |
| ·模糊理论基础 | 第50-57页 |
| ·模糊集合和隶属函数 | 第50-52页 |
| ·模糊关系及其合成 | 第52-54页 |
| ·模糊推理 | 第54-55页 |
| ·模糊推理系统 | 第55-57页 |
| ·模糊分类器结构设计 | 第57-61页 |
| ·输入输出语言变量的确定 | 第58页 |
| ·输入输出语言变量隶属度函数的确定 | 第58-60页 |
| ·模糊推理规则的确定 | 第60-61页 |
| ·去模糊化 | 第61页 |
| ·基于MATLAB 图形用户界面的模糊分类器设计 | 第61-65页 |
| ·模糊推理系统编辑器：(Fuzzy) | 第62页 |
| ·隶属度函数编辑器：（Mfedit） | 第62-63页 |
| ·模糊规则编辑器：（Ruleedit） | 第63-64页 |
| ·模糊规则观察器：（Ruleview） | 第64页 |
| ·模糊推理输入输出曲面视图：（Surfview） | 第64-65页 |
| ·试验验证 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 支持向量机 | 第68-86页 |
| ·引言 | 第68页 |
| ·统计学习理论和支持向量机 | 第68-79页 |
| ·统计学习理论 | 第68-73页 |
| ·支持向量机 | 第73-79页 |
| ·支持向量机分类器设计 | 第79-84页 |
| ·SVM 算法执行流程 | 第79页 |
| ·SVM 模型参数选择 | 第79-81页 |
| ·多类别分类解决策略 | 第81页 |
| ·SVM 网络训练 | 第81-83页 |
| ·SVM 分类器分类流程 | 第83-84页 |
| ·试验验证 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第六章 全文总结 | 第86-88页 |
| ·论文主要研究工作及结论 | 第86-87页 |
| ·论文的局限性及进一步的研究工作 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 摘要 | 第92-94页 |
| ABSTRACT | 第94-97页 |
| 致谢 | 第97-98页 |
| 导师及作者简介 | 第98页 |