基于DS-SVM的手写体数字识别的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 手写数字识别背景 | 第9-10页 |
| 1.2 手写体识别的现状 | 第10-12页 |
| 1.3 手写体数字的特点及识别难点 | 第12-13页 |
| 1.4 内容的相关安排 | 第13-15页 |
| 第二章 手写数字的特征 | 第15-27页 |
| 2.1 预处理 | 第15-21页 |
| 2.1.1 灰度操作 | 第15-17页 |
| 2.1.2 滤波去噪 | 第17-19页 |
| 2.1.3 二值化 | 第19-21页 |
| 2.2 特征提取 | 第21-25页 |
| 2.2.1 粗网格特征提取 | 第22-23页 |
| 2.2.2 投影特征提取 | 第23-24页 |
| 2.2.3 轮廓特征提取 | 第24-25页 |
| 2.3 特征实验结果 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 融合识别的理论基础 | 第27-41页 |
| 3.1 支持向量机 | 第27-35页 |
| 3.1.1 支持向量机的统计学习 | 第27-28页 |
| 3.1.2 支持向量机的分类思想 | 第28-29页 |
| 3.1.3 从线性分化到非线性分化 | 第29-33页 |
| 3.1.4 推广到多类的算法 | 第33-35页 |
| 3.2 D-S证据理论 | 第35-37页 |
| 3.2.1 基本概率分配 | 第35页 |
| 3.2.2 信任函数和似然函数 | 第35-36页 |
| 3.2.3 组合规则 | 第36-37页 |
| 3.3 构建二级的识别框架 | 第37-39页 |
| 3.3.1 改进SVM一对一的投票算法 | 第37-38页 |
| 3.3.2 BPA函数构造 | 第38-39页 |
| 3.3.3 二级SVM决策识别 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 多特征融合算法的实现过程 | 第41-55页 |
| 4.1 图像归一化 | 第41-42页 |
| 4.2 粗分类 | 第42-43页 |
| 4.2.1 粗网格分类 | 第43页 |
| 4.2.2 投影特征分类 | 第43页 |
| 4.2.3 轮廓特征分类 | 第43页 |
| 4.3 细分类 | 第43-47页 |
| 4.3.1 改进的D-S证据理论融合过程 | 第44-45页 |
| 4.3.2 融合识别模式 | 第45-47页 |
| 4.4 字符仿真结果和对比分析 | 第47-52页 |
| 4.4.1 样本选取 | 第47页 |
| 4.4.2 SVM核函数选取 | 第47-48页 |
| 4.4.3 仿真实验对比 | 第48-51页 |
| 4.4.4 误识样本的采集 | 第51-52页 |
| 4.5 本章小结 | 第52-55页 |
| 第五章 手写数字识别的仿真系统 | 第55-61页 |
| 5.1 实验平台 | 第55页 |
| 5.2 手写体数字识别仿真系统的设计 | 第55-56页 |
| 5.3 实验结果 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
