| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 引言 | 第12-13页 |
| 1 绪论 | 第13-19页 |
| ·生物识别技术 | 第13-14页 |
| ·指纹识别技术发展概况 | 第14-15页 |
| ·机器学习的研究背景 | 第15-16页 |
| ·国内外研究现状 | 第16-17页 |
| ·研究内容与意义 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 2 指纹图像的预处理及特征提取 | 第19-33页 |
| ·引言 | 第19页 |
| ·指纹图像的基本特征 | 第19-21页 |
| ·指纹图像的预处理 | 第21-30页 |
| ·归一化处理 | 第22-23页 |
| ·点方向图的计算 | 第23-24页 |
| ·图像分割 | 第24-25页 |
| ·块方向图 | 第25-26页 |
| ·方向图滤波 | 第26-28页 |
| ·指纹图像二值化 | 第28-30页 |
| ·指纹细节特征选定和提取 | 第30-31页 |
| ·指纹细节特征选定 | 第30页 |
| ·细节指纹特征的提取 | 第30-31页 |
| ·实验结果和结论 | 第31页 |
| ·本章小结 | 第31-33页 |
| 3 支持向量机学习算法概述 | 第33-44页 |
| ·支持向量机的概述 | 第33-34页 |
| ·支持向量机方法的优点 | 第33页 |
| ·SVM和神经网络方法简单比较 | 第33-34页 |
| ·统计学习理论 | 第34-36页 |
| ·经验风险 | 第34-35页 |
| ·VC维 | 第35页 |
| ·学习过程的一致性 | 第35页 |
| ·构风险最小归纳原理 | 第35-36页 |
| ·支持向量机 | 第36-40页 |
| ·最优超平面 | 第37-38页 |
| ·核函数 | 第38-39页 |
| ·支持向量机的数学模型 | 第39-40页 |
| ·SVM的训练算法 | 第40-41页 |
| ·多类问题中的SVM | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 基于SVM的指纹多分类认证方法与系统研究 | 第44-58页 |
| ·研究背景 | 第44-45页 |
| ·多分类支持向量机模型 | 第45页 |
| ·指纹鉴别方法及步骤 | 第45-46页 |
| ·指纹认证方法与模型系统 | 第46-57页 |
| ·指纹认证方法步骤 | 第46-47页 |
| ·利用FVC2004指纹图像库进行的指纹认证方法实验 | 第47-50页 |
| ·指纹认证模型系统的设计与实现 | 第50-52页 |
| ·实验设计 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 作者简介及读研期间主要科研成果 | 第66页 |