基于支持向量机的优化在图像分类中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外相关课题的研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的研究内容及结构安排 | 第14-16页 |
| 第二章 理论基础 | 第16-38页 |
| ·基于支持向量机的图像分类流程简介 | 第17-18页 |
| ·数字图像的特征介绍 | 第18-33页 |
| ·颜色特征的研究 | 第19-20页 |
| ·纹理特征研究 | 第20-22页 |
| ·形状特征研究 | 第22-23页 |
| ·空间关系特征研究 | 第23页 |
| ·局部特征 | 第23-33页 |
| ·数字图像的特征提取与组织方法 | 第33-37页 |
| ·词袋模型 | 第33-35页 |
| ·金字塔颜色直方图 | 第35-37页 |
| ·稀疏编码 | 第37页 |
| ·本章总结 | 第37-38页 |
| 第三章 基于支持向量机的图像分类优化研究 | 第38-59页 |
| ·支持向量机理论 | 第38-47页 |
| ·统计学习理论 | 第39-40页 |
| ·支持向量机基础理论 | 第40-47页 |
| ·核函数研究 | 第47-51页 |
| ·常用核函数 | 第47-50页 |
| ·核函数优化研究 | 第50-51页 |
| ·核参数选择研究 | 第51-57页 |
| ·常用核参数选择方法 | 第52-56页 |
| ·核参数优化研究 | 第56-57页 |
| ·图像分类系统优化总结 | 第57-58页 |
| ·本文的特征提取组织方法 | 第57页 |
| ·本文的核函数 | 第57-58页 |
| ·本文的核参数选择 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第四章 仿真实验 | 第59-65页 |
| ·实验步骤 | 第59-60页 |
| ·实验环境 | 第59页 |
| ·实验数据集 | 第59-60页 |
| ·实验过程 | 第60页 |
| ·实验效果比较 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·本文创新工作总结 | 第65页 |
| ·未来展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间已发表或录用的论文 | 第74页 |
