支持向量机及其在纹理分类中的应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 概论 | 第10-24页 |
| ·论题的背景及意义 | 第10-11页 |
| ·支持向量机 | 第11-16页 |
| ·研究历史及现状 | 第11-13页 |
| ·支持向量机的基本思想及优点 | 第13-15页 |
| ·目前支持向量机研究的内容 | 第15-16页 |
| ·纹理分类 | 第16-22页 |
| ·纹理定义 | 第16-19页 |
| ·纹理分析及应用 | 第19-20页 |
| ·纹理分类及难点 | 第20-21页 |
| ·为什么将支持向量机用于纹理分类 | 第21-22页 |
| ·本文的工作 | 第22-23页 |
| ·论文的组织 | 第23-24页 |
| 第2章 支持向量机及其实现 | 第24-37页 |
| ·支持向量机的理论基础 | 第24-28页 |
| ·学习过程一致性条件 | 第24-25页 |
| ·VC 维和推广性边界 | 第25-26页 |
| ·经验风险最小化和结构风险最小化 | 第26-28页 |
| ·线性支持向量机(LSVM) | 第28-30页 |
| ·线性可分问题 | 第28-29页 |
| ·近似线性可分问题 | 第29-30页 |
| ·非线性支持向量机 | 第30-32页 |
| ·支持向量机的实现算法 | 第32-35页 |
| ·选块算法 | 第32-33页 |
| ·分解算法 | 第33-34页 |
| ·序贯最小最优化算法 | 第34-35页 |
| ·小结 | 第35-37页 |
| 第3章 核函数及参数选择方法 | 第37-47页 |
| ·核函数选择和构造 | 第37-43页 |
| ·核函数 | 第37-39页 |
| ·核函数的构造方法 | 第39-41页 |
| ·自相关核函数 | 第41-42页 |
| ·核函数的选择方法 | 第42-43页 |
| ·改进的网格搜索参数选择方法 | 第43-45页 |
| ·支持向量机的应用框架 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第4章 基于支持向量机的纹理分类 | 第47-59页 |
| ·纹理分类方法 | 第47-51页 |
| ·纹理分类系统框架 | 第47-48页 |
| ·纹理描述 | 第48-51页 |
| ·实验设置 | 第51-54页 |
| ·纹理库和测试纹理图像 | 第51-53页 |
| ·特征提取 | 第53页 |
| ·分类器 | 第53-54页 |
| ·分类结果及讨论 | 第54-58页 |
| ·支持向量机和其他分类器 | 第54-55页 |
| ·核函数选择对分类性能的影响 | 第55-56页 |
| ·基于滤波器和支持向量机的纹理分类 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第5章 结论和工作展望 | 第59-62页 |
| ·本文的工作及结论 | 第59-60页 |
| ·讨论及未来工作展望 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 作者攻读硕士学位期间发表的论文 | 第70页 |
