支持向量机及其在智能交通系统中的应用研究
| 第一章 序言 | 第1-19页 |
| ·统计学习理论 | 第11-12页 |
| ·支持向量机 | 第12-14页 |
| ·智能交通系统 | 第14-17页 |
| ·本文的内容安排 | 第17-19页 |
| 第二章 统计学习理论简介 | 第19-27页 |
| ·机器学习的基本问题 | 第19-22页 |
| ·机器学习问题的表示 | 第19-21页 |
| ·经验风险最小化 | 第21页 |
| ·复杂性与推广能力 | 第21-22页 |
| ·统计学习理论 | 第22-25页 |
| ·函数集的VC维 | 第22-23页 |
| ·推广能力的界 | 第23-24页 |
| ·结构风险最小化 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 支持向量机 | 第27-39页 |
| ·支持向量机的工作原理 | 第27-32页 |
| ·线性支持向量机 | 第27-29页 |
| ·非线性支持向量机 | 第29-32页 |
| ·SVM与神经网络的比较 | 第32-34页 |
| ·多类支持向量机 | 第34-37页 |
| ·二类组合分类 | 第34页 |
| ·全局优化分类 | 第34-35页 |
| ·决策树分类 | 第35-36页 |
| ·基于先验知识的二叉树多类判别 | 第36-37页 |
| ·对比分析 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 支持向量机在智能交通系统中的应用 | 第39-53页 |
| ·基于支持向量机的形状识别 | 第40-42页 |
| ·基于支持向量机的车型识别 | 第42-48页 |
| ·车型图像的特征提取 | 第43-47页 |
| ·车型识别过程 | 第47页 |
| ·实验结果及分析 | 第47-48页 |
| ·基于支持向量机的车牌识别 | 第48-52页 |
| ·车牌定位 | 第48-49页 |
| ·车牌字符分割 | 第49-50页 |
| ·多类判别过程 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-57页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 硕士期间发表的论文 | 第61页 |
