基于支持向量机的行人检测技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-14页 |
| 1.2 研究目的与意义 | 第14-15页 |
| 1.3 研究现状 | 第15-16页 |
| 1.4 研究内容及章节安排 | 第16-20页 |
| 第2章 特征提取 | 第20-26页 |
| 2.1 概述 | 第20页 |
| 2.2 特征提取算法 | 第20-22页 |
| 2.2.1 常用特征种类 | 第20-21页 |
| 2.2.2 常用特征提取算法 | 第21-22页 |
| 2.3 HOG算法 | 第22-24页 |
| 2.4 PCA算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于支持向量机的分类器设计 | 第26-44页 |
| 3.1 概述 | 第26-27页 |
| 3.2 支持向量机 | 第27-29页 |
| 3.3 组合核函数 | 第29-35页 |
| 3.3.1 支持向量机核函数 | 第29-32页 |
| 3.3.2 组合核函数 | 第32-35页 |
| 3.4 松弛变量与惩罚因子C | 第35-36页 |
| 3.4.1 松弛变量 | 第35-36页 |
| 3.4.2 惩罚因子 | 第36页 |
| 3.5 实验与结果分析 | 第36-42页 |
| 3.5.1 核函数参数对识别率的影响 | 第37-39页 |
| 3.5.2 组合核函数系数对识别率的影响 | 第39-40页 |
| 3.5.3 惩罚因子C对识别率的影响 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 参数优化 | 第44-54页 |
| 4.1 概述 | 第44页 |
| 4.2 组合优化 | 第44-46页 |
| 4.3 遗传算法 | 第46-47页 |
| 4.4 交叉验证 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-51页 |
| 4.6 本章小结 | 第51-54页 |
| 第5章 AdaBoost算法及结构 | 第54-62页 |
| 5.1 概述 | 第54页 |
| 5.2 AdaBoost算法 | 第54-57页 |
| 5.3 强分类器设计 | 第57-58页 |
| 5.4 实验结果与分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-66页 |
| 6.1 总结 | 第62-63页 |
| 6.2 创新点 | 第63页 |
| 6.3 展望 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第74页 |
