| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·选题背景与研究意义 | 第7页 |
| ·文献综述 | 第7-10页 |
| ·闸机智能识别技术的国内外研究现状 | 第7-8页 |
| ·SVM的国内外研究现状 | 第8-10页 |
| ·本文的主要工作 | 第10页 |
| ·本文内容安排 | 第10-12页 |
| 2 轨道交通中的闸机简述 | 第12-14页 |
| ·闸机的功能 | 第12页 |
| ·闸机的主要类型 | 第12-13页 |
| ·闸机的基本构成 | 第13页 |
| ·闸机的工作模式 | 第13页 |
| ·本章小结 | 第13-14页 |
| 3 SVM的基本理论 | 第14-21页 |
| ·SVM分类问题描述 | 第14-15页 |
| ·线性分类支持向量机 | 第15-17页 |
| ·线性不可分支持向量机 | 第17-19页 |
| ·非线性支持向量机 | 第19-20页 |
| ·常用的核函数 | 第20页 |
| ·本章小结 | 第20-21页 |
| 4 基于LibSVM的闸机SMDF目标识别模型的建立 | 第21-37页 |
| ·闸机的数据采集 | 第22-24页 |
| ·闸机检测点的布置 | 第22-23页 |
| ·闸机的数据采集 | 第23-24页 |
| ·闸机的数据预处理 | 第24-27页 |
| ·SM识别方法 | 第24-25页 |
| ·SVM训练样本的数字特征及分布规律 | 第25-27页 |
| ·SVM训练与预测 | 第27-28页 |
| ·SVM模型的选择及优化 | 第28-35页 |
| ·穷举法参数选取的结果比较 | 第28-34页 |
| ·采用不同核函数的分类准确率对比 | 第34页 |
| ·训练样本容量对分类效果的影响 | 第34-35页 |
| ·输出结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 5 总结与展望 | 第37-39页 |
| ·研究工作总结 | 第37页 |
| ·后续工作与展望 | 第37-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-42页 |