一个基于支持向量机的草图识别系统
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景 | 第7-9页 |
| ·本文研究工作 | 第9-11页 |
| ·本文组织结构 | 第11-12页 |
| 第二章 支持向量机 | 第12-25页 |
| ·引言 | 第12页 |
| ·统计学习理论 | 第12-16页 |
| ·机器学习 | 第13-14页 |
| ·经验风险最小化 | 第14-15页 |
| ·复杂性和泛化能力 | 第15页 |
| ·SLT的基本内容 | 第15-16页 |
| ·VC维和推广性的界 | 第16-17页 |
| ·结构风险最小化 | 第17-18页 |
| ·支持向量机 | 第18-24页 |
| ·最优分类超平面 | 第18-20页 |
| ·支持向量机 | 第20-21页 |
| ·多类SVM | 第21-23页 |
| ·增量学习 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 草图识别 | 第25-38页 |
| ·相关研究 | 第25-27页 |
| ·识别技术 | 第27-34页 |
| ·特征选择 | 第27-31页 |
| ·基本方法 | 第31-34页 |
| ·草图规整 | 第34-35页 |
| ·图形内规整 | 第34-35页 |
| ·图形间规整 | 第35页 |
| ·SVM方法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于支持向量机的草图识别 | 第38-44页 |
| ·系统设计和实现 | 第38-40页 |
| ·实验和分析 | 第40-43页 |
| ·样本收集 | 第40-41页 |
| ·结果与分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第五章 总结和展望 | 第44-45页 |
| ·总结 | 第44页 |
| ·进一步工作 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 发表论文和科研情况说明 | 第49-50页 |
| 发表的论文 | 第49页 |
| 参与的科研项目: | 第49-50页 |
| 致谢 | 第50页 |