3D手写识别特征集取技术研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 图索引 | 第11-12页 |
| 表索引 | 第12-13页 |
| 1 绪论 | 第13-20页 |
| ·人机交互技术简介 | 第13页 |
| ·手写识别技术的研究背景 | 第13-16页 |
| ·平面手写识别技术 | 第14-15页 |
| ·3D手写识别技术 | 第15-16页 |
| ·手写识别技术的应用领域 | 第16-17页 |
| ·3D手写识别的发展趋势 | 第17页 |
| ·本文创新点 | 第17-18页 |
| ·本文主要工作和章节安排 | 第18-20页 |
| 2 3D手写识别的特征提取算法研究 | 第20-30页 |
| ·3D手写识别技术流程 | 第20-21页 |
| ·特征提取概述 | 第21-22页 |
| ·时域特征提取 | 第22-26页 |
| ·加速度相关特征提取算法 | 第22-24页 |
| ·RF旋转特征提取算法 | 第24-26页 |
| ·频域特征提取 | 第26-29页 |
| ·DCT变换特征提取算法 | 第26-27页 |
| ·FFT变换特征提取算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 3D手写识别的特征降维算法研究 | 第30-37页 |
| ·特征降维算法概述 | 第30-31页 |
| ·PCA降维算法 | 第31-34页 |
| ·LDA降维算法 | 第34-35页 |
| ·两种线性降维算法的比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 支持向量机理论研究 | 第37-44页 |
| ·统计学习理论知识 | 第37-40页 |
| ·机器学习问题的模型 | 第37-38页 |
| ·经验风险最小化准则 | 第38-39页 |
| ·机器学习的VC维理论 | 第39-40页 |
| ·推广性的界 | 第40页 |
| ·支持向量机原理 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 5 实验结果与分析 | 第44-54页 |
| ·建立样本数据库 | 第45-46页 |
| ·LIBSVM软件包 | 第46页 |
| ·不同特征提取算法的性能比较实验 | 第46-49页 |
| ·串行特征融合的参数选取实验 | 第49-50页 |
| ·不同特征降维算法的性能比较实验 | 第50-51页 |
| ·基于PCA+LDA的特征融合方法的测试实验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 作者简介 | 第59-60页 |
| 作者攻读硕士学位期间发表的论文 | 第60页 |
