| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8-11页 |
| ·手写数字识别概述 | 第8-9页 |
| ·手写数字识别的问题和困难 | 第9-10页 |
| ·国内外研究发展状况 | 第10-11页 |
| ·课题的研究内容 | 第11-12页 |
| 第二章 手写数字识别技术综述 | 第12-18页 |
| ·手写数字图像处理的主要流程 | 第12-14页 |
| ·手写数字识别方法 | 第14-18页 |
| ·决策树方法 | 第14-15页 |
| ·神经网络 | 第15-17页 |
| ·SVM方法 | 第17-18页 |
| 第三章 统计学习理论和SVM的相关研究 | 第18-29页 |
| ·统计学习理论的核心内容 | 第18-20页 |
| ·VC维 | 第18-19页 |
| ·推广性的界 | 第19页 |
| ·结构风险最小化 | 第19-20页 |
| ·SVM方法的介绍 | 第20-25页 |
| ·最优分类面 | 第20-22页 |
| ·广义最优分类面 | 第22-23页 |
| ·高维空间中的最优分类面 | 第23-24页 |
| ·SVM | 第24-25页 |
| ·SVM算法的性能 | 第25-29页 |
| ·SVM的实例 | 第25-26页 |
| ·SVM与其它传统方法的比较 | 第26-29页 |
| 第四章 手写数字识别中基于SVM的分类算法 | 第29-43页 |
| ·问题的提出 | 第29页 |
| ·手写数字识别中几种应用广泛的SVM分类算法 | 第29-32页 |
| ·OVO(One-Versus-One)方法 | 第30页 |
| ·OVA(One-Versus-All)方法 | 第30-31页 |
| ·DAG(Directed Acyclic Graph)方法 | 第31-32页 |
| ·HAH(HALF-AGAINST-HALF)算法 | 第32-35页 |
| ·折半查找二叉树 | 第32-33页 |
| ·HAH方法 | 第33-35页 |
| ·HAH算法和OVA，OVO，DAG算法在理论上的比较 | 第35-37页 |
| ·OVA，OVO，DAG和HAH算法的实验结果及实验结果的比较 | 第37-43页 |
| ·OVO、OVA和DAG方法的实验结果 | 第38-40页 |
| ·HAH算法的实现和实验结果 | 第40-42页 |
| ·HAH算法与OVO、OVA和DAG算法的实验结果比较 | 第42-43页 |
| 第五章 结论与展望 | 第43-45页 |
| ·结论 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 在校期间发表的论文、科研成果等 | 第48-49页 |
| 致谢 | 第49-50页 |
