基于改进支持向量机的卷积神经网络图像识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 图像识别方法 | 第11-13页 |
| 1.2.2 支持向量机方法 | 第13-15页 |
| 1.2.3 卷积神经网络方法 | 第15-16页 |
| 1.3 论文研究内容和结构安排 | 第16-18页 |
| 2 基础知识 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 基于卷积神经网络的图像识别实现机理 | 第18-23页 |
| 2.2.1 卷积神经网络的结构及前向传播 | 第19-21页 |
| 2.2.2 卷积神经网络的反向传播 | 第21-23页 |
| 2.3 基于支持向量机的图像识别实现机理 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 3 基于DSVM的卷积神经网络图像识别 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 直接支持向量机 | 第26-27页 |
| 3.3 算法实现和流程 | 第27-31页 |
| 3.4 仿真实验与分析 | 第31-38页 |
| 3.4.1 GTSRB数据库 | 第31-34页 |
| 3.4.2 YaleB数据库 | 第34-38页 |
| 3.5 小结 | 第38-40页 |
| 4 基于ACO-TWSVM的卷积神经网络图像识别 | 第40-58页 |
| 4.1 引言 | 第40页 |
| 4.2 蚁群算法 | 第40-42页 |
| 4.3 TWSVM算法 | 第42-44页 |
| 4.4 ACO-TWSVM算法 | 第44-48页 |
| 4.5 算法设计与实现 | 第48-50页 |
| 4.6 仿真实验与分析 | 第50-56页 |
| 4.6.1 CASIAWebFace数据库 | 第50-53页 |
| 4.6.2 dogs_vs_cats数据库 | 第53-56页 |
| 4.7 小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间的科研成果 | 第66-67页 |
