| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-23页 |
| ·本文研究意义及应用背景 | 第7-9页 |
| ·本文研究的意义 | 第7-8页 |
| ·本文应用背景 | 第8-9页 |
| ·信息隐藏概述 | 第9-12页 |
| ·信息隐藏定义及分类 | 第9-10页 |
| ·信息隐藏系统的特征 | 第10-11页 |
| ·数字水印系统 | 第11-12页 |
| ·数字水印系统模型 | 第12页 |
| ·自然语言信息隐藏技术概述 | 第12-14页 |
| ·自然语言信息隐藏技术 | 第12-14页 |
| ·自然语言信息隐藏存在的问题 | 第14页 |
| ·自然语言组块分析识别技术 | 第14-20页 |
| ·浅层句法分析概述 | 第14-15页 |
| ·组块识别的方法 | 第15-20页 |
| ·本文组块识别方法的研究内容 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 支持向量机的初始组块分析 | 第23-35页 |
| ·机器学习概述 | 第23-25页 |
| ·机器学习概念及系统结构 | 第23-24页 |
| ·机器学习方法的分类 | 第24-25页 |
| ·支持向量机基本原理 | 第25-31页 |
| ·SVM方法的特点 | 第25-26页 |
| ·SVM的线性情况 | 第26-28页 |
| ·SVM的非线性情况 | 第28-30页 |
| ·SVM的多类别分类问题 | 第30-31页 |
| ·初始组块分析的SVM应用 | 第31-32页 |
| ·本章小结 | 第32-35页 |
| 第三章 自底向上组块分析算法 | 第35-43页 |
| ·组块定义 | 第35-37页 |
| ·组块类型现状 | 第35-36页 |
| ·本文组块的定义 | 第36-37页 |
| ·自底向上分析法思想 | 第37-38页 |
| ·自底向上组块识别算法 | 第38-41页 |
| ·算法过程 | 第39-40页 |
| ·算法特点 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 多步骤融合的自底向上组块分析算法的原型系统 | 第43-55页 |
| ·多步骤融合的自底向上组块分析方法 | 第43-44页 |
| ·原型系统开发环境 | 第44-45页 |
| ·核心功能模块设计与实现 | 第45-52页 |
| ·核心功能模块设计 | 第45-51页 |
| ·系统实现 | 第51-52页 |
| ·本章小结 | 第52-55页 |
| 第五章 实验与数据 | 第55-61页 |
| ·组块分析评价参数 | 第55页 |
| ·实验设计及数据分析 | 第55-58页 |
| ·SVM的初始组块分析 | 第56-57页 |
| ·多步骤融合自底向上组块分析方法的组块识别 | 第57-58页 |
| ·本章小结 | 第58-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |