基于支持向量机的手写体字符识别

第一章 绪论	第1-7页
·研究背景及意义	第5-6页
·本文的所做工作及内容安排	第6-7页
第二章 字符识别技术	第7-13页
·预处理	第7-8页
·特征提取	第8-12页
·结构特征	第9-10页
·统计特征	第10-11页
·融合	第11-12页
·分类	第12-13页
第三章 支持向量机(SVM)	第13-31页
·支持向量机的理论基础	第13-20页
·机器学习理论	第13-15页
·统计学习理论与结构风险最小原理	第15-20页
·标准支持向量机	第20-27页
·线性可分的情况	第20-22页
·非线性可分情况	第22-23页
·线性不可分情况	第23-27页
·支持向量机常见改进算法	第27-30页
·支持向量机的多类分类方法	第30-31页
第四章 基于KNN的支持向量机改进算法	第31-43页
·传统改进算法	第31-32页
·本文算法	第32-37页
·算法思想	第32-33页
·输入空间与特征空间	第33-37页
·本文算法	第37-43页
·算法描述	第37-40页
·算法	第40-43页
第五章 算法分析	第43-47页
·引理	第43-45页
·算法分析	第45-46页
·算法吸纳样本数分析	第46-47页
第六章 算法实验	第47-53页
·算法环境	第47-49页
·算法结果	第49-53页
第七章算法总结与展望	第53-54页
参考文献	第54-57页
攻读学位期间的研究成果	第57-58页
致谢	第58-59页
学位论文独创性声明	第59页
学位论文知识产权权属声明	第59页