| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究的背景与意义 | 第8页 |
| ·支持向量机的研究现状与应用 | 第8-9页 |
| ·支持向量机的研究现状 | 第8-9页 |
| ·支持向量机的应用 | 第9页 |
| ·手写数字识别的基本理论 | 第9-11页 |
| ·手写数字识别的研究现状 | 第9页 |
| ·手写数字识别的流程 | 第9-10页 |
| ·手写数字字符识别的方法 | 第10-11页 |
| ·论文的主要工作及内容安排 | 第11-12页 |
| ·论文的主要工作 | 第11页 |
| ·论文的内容安排 | 第11-12页 |
| 2 支持向量机与核 | 第12-22页 |
| ·支持向量机的统计学基础 | 第12-14页 |
| ·分类问题的统计学提法 | 第12页 |
| ·经验风险最小化原则 | 第12-13页 |
| ·VC 维 | 第13页 |
| ·结构风险最小化原则 | 第13-14页 |
| ·从线性分化到非线性分化 | 第14-18页 |
| ·线性可分问题的支持向量机 | 第15-16页 |
| ·近似线性可分问题的支持向量机 | 第16-17页 |
| ·非线性分化的分类算法 | 第17-18页 |
| ·C -支持向量机的训练算法 | 第18-19页 |
| ·基于两类支持向量分类机的方法 | 第19-20页 |
| ·核函数 | 第20-22页 |
| ·常用的核函数 | 第20-21页 |
| ·核函数及参数的选取 | 第21-22页 |
| 3 支持向量机参数和核函数的优化问题 | 第22-27页 |
| ·基于网格搜索法的优化 | 第22-23页 |
| ·基于 GA 的优化 | 第23-24页 |
| ·选择与复制 | 第23页 |
| ·交叉与变异 | 第23页 |
| ·基于 GA 优化的模型 | 第23-24页 |
| ·基于 PSO 算法的优化 | 第24-27页 |
| 4 手写数字图像的预处理过程 | 第27-31页 |
| ·图像预处理的研究现状 | 第27页 |
| ·阈值选取方法 | 第27-31页 |
| ·全局阈值法 | 第28页 |
| ·二维 Otsu 自适应阈值法 | 第28-31页 |
| 5 基于改进的 PSO-SVM 模型的手写数字识别问题 | 第31-39页 |
| ·阈值处理方法的选取 | 第31-33页 |
| ·备选方法 | 第31页 |
| ·数据的来源 | 第31页 |
| ·开发平台与开发工具 | 第31页 |
| ·比较实验结果 | 第31-33页 |
| ·支持向量机核函数参数优化算法的选取 | 第33-35页 |
| ·备选算法 | 第33页 |
| ·比较实验结果 | 第33-35页 |
| ·改进的 PSO-SVM 模型的设计说明 | 第35-38页 |
| ·改进的 PSO 算法 | 第35-36页 |
| ·LSSVM 变形策略 | 第36-37页 |
| ·基于改进的 PSO-SVM 模型的手写数字识别 | 第37页 |
| ·实验结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 6 总结与展望 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 附录 | 第45页 |
| 作者在攻读硕士学位期间发表的论文 | 第45页 |