支持向量机与指纹分类算法研究
| 第一章 绪论 | 第1-17页 |
| §1-1 引言 | 第7-8页 |
| §1-2 统计学习理论 | 第8-12页 |
| 1-2-1 机器学习的基本问题 | 第8-10页 |
| 1-2-2 统计学习理论的核心内容 | 第10-12页 |
| §1-3 生物识别技术与指纹识别 | 第12-16页 |
| 1-3-1 生物识别技术简介 | 第12-14页 |
| 1-3-2 指纹识别技术历史 | 第14-15页 |
| 1-3-3 指纹分类 | 第15-16页 |
| §1-4 本文的主要工作 | 第16-17页 |
| 第二章 支持向量机 | 第17-30页 |
| §2-1 支持向量机 | 第17-20页 |
| 2-1-1 线性支持向量机 | 第17-19页 |
| 2-1-2 非线性支持向量机 | 第19-20页 |
| §2-2 支持向量机多值分类器 | 第20-25页 |
| 2-2-1 完全多类支持向量机 | 第20-21页 |
| 2-2-2 组合多类支持向量机 | 第21-25页 |
| §2-3 算法及仿真计算结果 | 第25-30页 |
| 2-3-1 EEG问题简介 | 第26-27页 |
| 2-3-2 仿真实验 | 第27-30页 |
| 第三章 指纹特征提取 | 第30-39页 |
| §3-1 指纹中心点确定 | 第31-32页 |
| §3-2 区域截取及分块规格化 | 第32-33页 |
| §3-3 方向滤波 | 第33-35页 |
| §3-4 特征值计算 | 第35-36页 |
| §3-5 应用程序界面设计 | 第36-39页 |
| 第四章 指纹分类 | 第39-53页 |
| §4-1 概念及研究现状 | 第40-42页 |
| §4-2 构建支持向量机多类分类器 | 第42-48页 |
| 4-2-1 单类支持向量机 | 第43-46页 |
| 4-2-2 基于单类支持向量机构建多类分类器 | 第46-48页 |
| §4-3 实验与结果分析 | 第48-53页 |
| 4-3-1 数据准备 | 第48-49页 |
| 4-3-2 实验分析 | 第49-53页 |
| 第五章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间所取得的相关科研成果 | 第58页 |
