| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文研究工作及内容安排 | 第12-14页 |
| 第二章 二维形状表示及分类方法 | 第14-24页 |
| ·二维形状表示方法 | 第14-21页 |
| ·形状表示方法评价准则 | 第14-15页 |
| ·形状表示方法分类 | 第15-21页 |
| ·二维形状分类器设计 | 第21-23页 |
| ·分类方法评价标准 | 第21-22页 |
| ·贝叶斯分类方法 | 第22页 |
| ·支持向量机 | 第22页 |
| ·隐马尔可夫模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 分层隐马尔可夫模型 | 第24-34页 |
| ·模型结构 | 第24-26页 |
| ·基本算法 | 第26-31页 |
| ·推广的前向-后向算法 | 第26-28页 |
| ·推广的Viterbi 算法 | 第28-29页 |
| ·推广的Baum-Welch 算法 | 第29-31页 |
| ·算法实现中的问题 | 第31-33页 |
| ·多观察值序列训练 | 第31-32页 |
| ·连续观察值序列训练 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 结合PCA 和FPD 的二维形状傅立叶描述子 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·形状特征 | 第35-37页 |
| ·主成分分析与最远点距离 | 第37-39页 |
| ·主成分分析 | 第37-39页 |
| ·最远点距离 | 第39页 |
| ·PCA 和FPD 相结合的傅立叶描述子 | 第39-40页 |
| ·实验结果及分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 二维形状识别中模型建立及模型优化 | 第44-56页 |
| ·二维形状层次特性 | 第44页 |
| ·遗传算法 | 第44-47页 |
| ·遗传算法简介 | 第44-45页 |
| ·遗传算法基本结构 | 第45-47页 |
| ·基于GA 的HHMM 结构优化 | 第47-52页 |
| ·编码 | 第47-48页 |
| ·目标函数及适应度计算 | 第48页 |
| ·遗传算子设计 | 第48-51页 |
| ·系统与方法 | 第51-52页 |
| ·实验结果及分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·研究内容总结 | 第56页 |
| ·未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |