基于支持向量机的微型喇叭同心度检测方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景及研究意义 | 第12-16页 |
| ·题目来源及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·本文的研究内容 | 第16-17页 |
| ·全文的体系结构 | 第17-18页 |
| 第二章 支持向量机理论 | 第18-40页 |
| ·统计学习理论 | 第18-23页 |
| ·机器学习的基本理论 | 第18-21页 |
| ·统计学习理论基础 | 第21-23页 |
| ·支持向量机理论 | 第23-31页 |
| ·最优分类面 | 第25-26页 |
| ·支持向量分类(SVC)理论 | 第26-29页 |
| ·支持向量回归(SVR)理论 | 第29-31页 |
| ·核函数 | 第31-32页 |
| ·支持向量机的模型选择 | 第32-35页 |
| ·训练集的选取 | 第32-33页 |
| ·核函数与参数选取 | 第33-35页 |
| ·支持向量机应用于图像处理的研究 | 第35-39页 |
| ·SVR表示图像的理论 | 第35-37页 |
| ·SVR图像边缘检测方法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于SVC的边缘检测算法研究 | 第40-52页 |
| ·软硬件平台 | 第40-42页 |
| ·硬件平台 | 第40-41页 |
| ·软件环境与平台 | 第41-42页 |
| ·支持向量分类用于边缘检测 | 第42-50页 |
| ·SVC在边缘提取中的应用 | 第42-43页 |
| ·算法分析 | 第43-45页 |
| ·仿真结果与分析 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于SVR的边缘检测算法的研究与设计 | 第52-72页 |
| ·总体算法设计 | 第52-53页 |
| ·SVR在外圆边缘检测中的应用 | 第53-62页 |
| ·图像预处理 | 第53-54页 |
| ·外圆边缘提取 | 第54-60页 |
| ·外圆轮廓跟踪 | 第60-62页 |
| ·SVR在内圆边缘检测中的应用 | 第62-66页 |
| ·内圆局部区域分割 | 第62-63页 |
| ·内圆边缘提取 | 第63-65页 |
| ·内圆轮廓跟踪 | 第65-66页 |
| ·图形界面设计 | 第66-67页 |
| ·仿真结果分析 | 第67-69页 |
| ·误差分析 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 总结 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文 | 第79-81页 |
| 致谢 | 第81页 |
