| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·论文研究背景及意义 | 第9-13页 |
| ·手写体汉字识别的发展历程 | 第9-10页 |
| ·手写体汉字识别应用及研究意义 | 第10-11页 |
| ·支持向量机研究的现状 | 第11-13页 |
| ·汉字识别的困难和难点 | 第13-14页 |
| ·本文主要研究内容及结构 | 第14-16页 |
| 第二章 脱机手写体汉字识别技术概述 | 第16-32页 |
| ·预处理 | 第16-24页 |
| ·二值化 | 第16-20页 |
| ·平滑 | 第20-21页 |
| ·字符分割 | 第21-22页 |
| ·图象归一化 | 第22-23页 |
| ·细化 | 第23-24页 |
| ·特征提取 | 第24-29页 |
| ·结构特征提取 | 第25-27页 |
| ·统计特征 | 第27-29页 |
| ·分类器设计 | 第29-31页 |
| ·单分类器 | 第29-30页 |
| ·多分类器集成方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 支持向量机理论 | 第32-42页 |
| ·SVM基本原理 | 第32-39页 |
| ·线性判别函数和判别面 | 第32-37页 |
| ·最优分类面 | 第37-38页 |
| ·支持向量机核函数的选取 | 第38-39页 |
| ·多类情况下的SVM模型 | 第39页 |
| ·SVM算法 | 第39-41页 |
| ·选块算法 | 第39-40页 |
| ·分解算法 | 第40页 |
| ·序贯最小优化算法(SMO) | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于PSO-SVMs的脱机手写体汉字识别 | 第42-54页 |
| ·粒子群算法 | 第42-45页 |
| ·基本粒子群算法的思想 | 第42-43页 |
| ·基本粒子群算法的描述 | 第43-44页 |
| ·粒子群算法的基本模型 | 第44-45页 |
| ·SVM中参数的确定 | 第45-47页 |
| ·推广能力估计 | 第45-46页 |
| ·SVM核函数选择 | 第46-47页 |
| ·利用粒子群算法搜索SVM最优参数 | 第47-50页 |
| ·粒子群算法的结构 | 第47-48页 |
| ·优化SVM参数的粒子群算法的实现 | 第48-50页 |
| ·用有向无环方法构造SVM多类分类器 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于PSO—SVMs的脱机手写体汉字识别的仿真研究 | 第54-58页 |
| ·系统的组成及识别步骤 | 第54-55页 |
| ·汉字库的设计 | 第55-56页 |
| ·开发平台及系统组成 | 第56-57页 |
| ·实验结果 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |