基于SVM的验证码识别算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·机器学习的发展 | 第9-10页 |
| ·图像处理与应用 | 第10-11页 |
| ·支持向量机概述 | 第11-13页 |
| ·支持向量机的研究内容 | 第11-12页 |
| ·支持向量机发展状况 | 第12-13页 |
| ·验证码识别方法研究 | 第13-14页 |
| ·验证码识别的意义 | 第13页 |
| ·验证码识别的方法 | 第13-14页 |
| ·研究内容和组织结构 | 第14-16页 |
| ·研究的主要内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 SVM算法理论 | 第16-35页 |
| ·统计学习 | 第16-21页 |
| ·经验风险最小 | 第16-17页 |
| ·学习过程一致性 | 第17-18页 |
| ·VC维理论 | 第18-19页 |
| ·结构风险最小 | 第19-21页 |
| ·线性SVM | 第21-24页 |
| ·线性问题 | 第21-23页 |
| ·线性分类器 | 第23-24页 |
| ·非线性SVM和核函数 | 第24-27页 |
| ·非线性SVM | 第24-25页 |
| ·核函数方法 | 第25-26页 |
| ·核函数的选择 | 第26-27页 |
| ·SVM多类分类 | 第27-29页 |
| ·多类问题 | 第27-28页 |
| ·多类分类方法 | 第28-29页 |
| ·SMO和选择工作集算法 | 第29-30页 |
| ·SMO算法 | 第29-30页 |
| ·选择工作集算法 | 第30页 |
| ·常用的SVM类型 | 第30-35页 |
| ·C-SVC | 第30-31页 |
| ·v-SVC | 第31-32页 |
| ·on-class SVM | 第32-33页 |
| ·ε-SVR | 第33页 |
| ·v-SVR | 第33-35页 |
| 第三章 验证码图像处理算法 | 第35-45页 |
| ·图像预处理 | 第35-41页 |
| ·图像平滑 | 第35-36页 |
| ·中值滤波 | 第36页 |
| ·直方图均衡 | 第36页 |
| ·图像锐化 | 第36-40页 |
| ·图像灰度化 | 第40页 |
| ·图像二值化 | 第40-41页 |
| ·去除噪音 | 第41页 |
| ·形态学图像处理 | 第41-43页 |
| ·图像的腐蚀 | 第42页 |
| ·图像的膨胀 | 第42-43页 |
| ·图像的细化 | 第43页 |
| ·图像分割 | 第43-44页 |
| ·基于区域的分割 | 第43-44页 |
| ·基于分水岭的分割 | 第44页 |
| ·基于投影的分割 | 第44页 |
| ·特征提取 | 第44-45页 |
| 第四章 SVM分类器设计 | 第45-48页 |
| ·改进的SMO和工作集选择算法 | 第45-46页 |
| ·SVM设计和实现 | 第46-48页 |
| 第五章 验证码识别 | 第48-55页 |
| ·验证码识别过程 | 第48-49页 |
| ·识别的流程 | 第48页 |
| ·样例的制作 | 第48-49页 |
| ·样例的训练 | 第49页 |
| ·识别验证码 | 第49页 |
| ·验证码识别系统框架 | 第49-51页 |
| ·系统框架 | 第49-50页 |
| ·图像预处理模块 | 第50-51页 |
| ·特征提取模块 | 第51页 |
| ·支持向量机模块 | 第51页 |
| ·验证码识别实验 | 第51-54页 |
| ·验证码识别实验分析 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
