基于改进支持向量机的货币识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究的意义与目的 | 第9-10页 |
| ·国内外货币识别研究现状 | 第10-15页 |
| ·本文的结构及主要内容 | 第15-17页 |
| 第二章 融合两种不同主成分分析的特征提取算法 | 第17-29页 |
| ·货币识别特征提取研究现状 | 第17-18页 |
| ·货币识别特征提取的关键问题 | 第18-20页 |
| ·融合两种主成分的特征提取 | 第20-24页 |
| ·货币图像的两类特征提取 | 第20-21页 |
| ·基于粗糙集的PCA约简 | 第21-23页 |
| ·基于典型相关分析的特征级融合 | 第23-24页 |
| ·算法流程 | 第24页 |
| ·实验仿真及结果分析 | 第24-28页 |
| ·Matlab工具简介 | 第24-25页 |
| ·货币样本数据的采集与预处理 | 第25页 |
| ·融合两种主成分的特征提取 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 支持向量机理论及其改进训练算法 | 第29-41页 |
| ·支持向量机理论及训练算法 | 第29-35页 |
| ·支持向量机基本原理 | 第29-31页 |
| ·支持向量机特点 | 第31页 |
| ·支持向量机常用训练算法 | 第31-35页 |
| ·货币识别训练算法的关键问题 | 第35-36页 |
| ·改进训练算法 | 第36-38页 |
| ·原空间中几何快速训练算法 | 第36-37页 |
| ·高维特征空间中的几何快速算法 | 第37-38页 |
| ·核函数的确定 | 第38页 |
| ·算法流程 | 第38-39页 |
| ·实验仿真及结果分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于改进支持向量机的货币识别算法 | 第41-58页 |
| ·支持向量机常用多分类算法 | 第41-44页 |
| ·算法简介 | 第41-43页 |
| ·性能比较 | 第43-44页 |
| ·货币识别多分类算法的关键问题 | 第44-45页 |
| ·基于改进支持向量机的货币识别 | 第45-51页 |
| ·支持向量数据域描述 | 第45-46页 |
| ·基于紧密度的模糊隶属度 | 第46-48页 |
| ·惩罚因子的确定 | 第48-49页 |
| ·加权支持向量域 | 第49-51页 |
| ·算法流程 | 第51-53页 |
| ·实验仿真及结果分析 | 第53-57页 |
| ·常用货币识别算法的对比实验 | 第53-54页 |
| ·支持向量域的对比实验 | 第54-55页 |
| ·加权支持向量机有效性 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 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60-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间的主要研究成果 | 第67页 |
