FSVM及其在图像边缘检测应用的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·研究内容 | 第13-14页 |
| ·论文组织结构与创新点 | 第14-16页 |
| 第二章 统计学习理论 | 第16-24页 |
| ·机器学习 | 第16-19页 |
| ·机器学习问题的表示 | 第16-18页 |
| ·经验风险最小化 | 第18页 |
| ·复杂性与推广能力 | 第18-19页 |
| ·统计学习理论 | 第19-22页 |
| ·VC 维 | 第19-20页 |
| ·推广能力的界 | 第20-21页 |
| ·结构风险最小化(SRM) | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 支持向量机及核函数 | 第24-36页 |
| ·支持向量机原理 | 第24-33页 |
| ·线性支持向量机 | 第24-29页 |
| ·非线性支持向量机 | 第29-31页 |
| ·多分类支持向量机 | 第31-33页 |
| ·SVM 的特点 | 第33页 |
| ·核函数 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 模糊支持向量机及其隶属度 | 第36-44页 |
| ·模糊支持向量机原理 | 第36-37页 |
| ·FSVM 的隶属度函数 | 第37-42页 |
| ·几种常见的模糊隶属度函数 | 第38-40页 |
| ·一种新的模糊隶属度函数 | 第40-42页 |
| ·新的隶属度的验证实验 | 第42-43页 |
| ·人工数据仿真实验 | 第42页 |
| ·实际问题数据仿真实验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于FSVM 的图像边缘检测 | 第44-68页 |
| ·图像边缘类型及其性能 | 第44-46页 |
| ·常见的边缘检测方法 | 第46-55页 |
| ·基于微分的边缘检测算子 | 第46-50页 |
| ·LOG 算子 | 第50-51页 |
| ·Canny 边缘检测算法 | 第51-54页 |
| ·曲面拟合法 | 第54-55页 |
| ·基于支持向量机的边缘检测 | 第55页 |
| ·基于FSVM 的边缘检测 | 第55-58页 |
| ·算法的提出 | 第55-56页 |
| ·算法思想 | 第56-58页 |
| ·仿真实验 | 第58-66页 |
| ·理想状态图像边缘检测 | 第59-61页 |
| ·噪声状态的边缘检测 | 第61-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的论文 | 第75页 |
