| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-11页 |
| ·模式识别的发展简介 | 第9页 |
| ·图像识别的步骤 | 第9页 |
| ·手写数字的识别 | 第9-10页 |
| ·研究目的 | 第9-10页 |
| ·常见的研究方法 | 第10页 |
| ·本论文的主要工作 | 第10-11页 |
| 第二章 基于支持向量机对手写数字的识别 | 第11-26页 |
| ·支持向量机的背景介绍 | 第11页 |
| ·支持向量机的理论介绍 | 第11-13页 |
| ·手写数字的识别过程 | 第13-26页 |
| ·本章手写数字识别的步骤 | 第13-14页 |
| ·鉴于四个多分类想法,得到四个分类算法 | 第14-24页 |
| ·综合分析 | 第24-26页 |
| 第三章 基于主成分分析法的支持向量机对手写数字的识别 | 第26-29页 |
| ·主成分分析法的原理 | 第26-27页 |
| ·实验设计及结果 | 第27-28页 |
| ·结果分析 | 第28-29页 |
| 第四章 动态寻找训练样本策略的探索 | 第29-33页 |
| ·动态寻找训练样本策略思想 | 第29-30页 |
| ·动态寻找训练样本策略算法 | 第30-31页 |
| ·实验设计及结果分析 | 第31-33页 |
| 第五章 基于聚类分析的训练样本选择 | 第33-40页 |
| ·聚类分析的理论知识 | 第33-34页 |
| ·距离聚类的概念 | 第33页 |
| ·相似性测度和聚类准则 | 第33-34页 |
| ·层次聚类法 | 第34-35页 |
| ·层次聚类法的算法描述 | 第34-35页 |
| ·常见的几种不同类的距离计算准则 | 第35页 |
| ·基于聚类+SVM+投票法的算法思想 | 第35-36页 |
| ·实验设计 | 第36页 |
| ·实验结果 | 第36-40页 |
| ·前五组实验结果 | 第36-37页 |
| ·前五组实验结果分析 | 第37-38页 |
| ·后两组实验结果及分析 | 第38-40页 |
| 第六章 结论 | 第40-41页 |
| 参考文献 | 第41-42页 |
| 附录 | 第42-57页 |
| 致谢 | 第57页 |