基于SVM的信息卡识别系统
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景与意义 | 第8-10页 |
| ·本文的目标任务 | 第10-12页 |
| 第二章 数字图像处理的相关知识 | 第12-20页 |
| ·数字图像处理基本概念 | 第12-15页 |
| ·数字图像的基本定义 | 第12-13页 |
| ·数字图像的颜色表示 | 第13页 |
| ·数字图像的文件格式 | 第13-15页 |
| ·数字图像处理基本理论及方法 | 第15-20页 |
| ·图像的灰度化 | 第15-16页 |
| ·图像的二值化 | 第16-17页 |
| ·图像的倾斜矫正 | 第17-20页 |
| 第三章 答题卡图像预处理 | 第20-28页 |
| ·答题卡图像的获取 | 第20-21页 |
| ·答题卡图像的预处理 | 第21-28页 |
| ·图像的二值化处理 | 第21-22页 |
| ·图像的倾斜矫正 | 第22-28页 |
| 第四章 基于支持向量机的信息卡识别 | 第28-68页 |
| ·机器学习概论 | 第28-32页 |
| ·统计学习理论 | 第32-42页 |
| ·VC维 | 第32-33页 |
| ·学习过程的一致性 | 第33-40页 |
| ·推广性的界 | 第40-41页 |
| ·结构风险最小化原则 | 第41-42页 |
| ·支持向量机理论 | 第42-50页 |
| ·支持向量机训练算法 | 第50-54页 |
| ·支持向量机分类算法 | 第54页 |
| ·支持向量机多类算法 | 第54-55页 |
| ·支持向量机的核函数及选择 | 第55-56页 |
| ·一种基于SVM的分割与识别算法 | 第56-68页 |
| ·常规分割算法的不足 | 第56-58页 |
| ·基于SVM的分割识别算法的基本步骤 | 第58页 |
| ·输入向量集的构造 | 第58-61页 |
| ·SVM的实现及结果分析 | 第61-68页 |
| 第五章 基于SVM的智能阅卷系统的设计与实现 | 第68-78页 |
| ·智能识别系统的软件环境 | 第68-70页 |
| ·MSF for Agile开发过程 | 第68页 |
| ·VSTS软件全生命周期管理工具 | 第68-70页 |
| ·智能识别系统的硬件环境 | 第70-71页 |
| ·基于线程池的扫描识别引擎 | 第71-73页 |
| ·通用模块化平台的设计 | 第73-78页 |
| ·基本公有基类设计及权限控制 | 第73-74页 |
| ·权限设计 | 第74-75页 |
| ·功能模块设计 | 第75-78页 |
| 第六章 总结与展望 | 第78-80页 |
| ·全文工作总结 | 第78页 |
| ·工作展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-86页 |
| 致谢 | 第86-88页 |
