| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·选题背景 | 第11-12页 |
| ·研究车牌字符识别的意义 | 第12页 |
| ·车牌字符识别的特点及难点 | 第12-13页 |
| ·模式识别技术 | 第13-15页 |
| ·模式识别的概念 | 第14页 |
| ·模式识别的基本方法 | 第14-15页 |
| ·支持向量机的发展与应用研究现状 | 第15-17页 |
| ·支持向量机的发展 | 第15-16页 |
| ·应用研究现状 | 第16-17页 |
| ·本文的主要研究内容和组织形式 | 第17-19页 |
| 第2章 车牌字符识别技术方案 | 第19-26页 |
| ·预处理 | 第19页 |
| ·特征提取 | 第19-22页 |
| ·结构特征 | 第20页 |
| ·统计特征 | 第20-22页 |
| ·分类和输出 | 第22-25页 |
| ·模板匹配法 | 第22-23页 |
| ·人工神经网络法 | 第23页 |
| ·贝叶斯网络法 | 第23-24页 |
| ·几何分类法 | 第24页 |
| ·支持向量机方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 支持向量机基本理论及训练算法 | 第26-43页 |
| ·机器学习的基本问题 | 第26-27页 |
| ·经验风险 | 第26-27页 |
| ·复杂性与推广能力 | 第27页 |
| ·统计学习理论的核心内容 | 第27-30页 |
| ·VC维 | 第28-29页 |
| ·推广性的界 | 第29页 |
| ·结构风险最小化 | 第29-30页 |
| ·支持向量机 | 第30-35页 |
| ·线性可分 | 第31-34页 |
| ·线性不可分 | 第34页 |
| ·非线性情况 | 第34-35页 |
| ·支持向量机核函数选择 | 第35页 |
| ·支持向量机训练算法 | 第35-42页 |
| ·常用的训练算法 | 第36-37页 |
| ·SMO算法 | 第37-41页 |
| ·两个Lagrange乘子的优化问题 | 第37-40页 |
| ·选择待优化Lagrange乘子的试探点找法 | 第40-41页 |
| ·最小优化后的重置工作 | 第41页 |
| ·SMO算法的改进 | 第41-42页 |
| ·本章小节 | 第42-43页 |
| 第4章 基于支持向量机的车牌字符识别方法研究 | 第43-57页 |
| ·车牌字符训练方法 | 第43-48页 |
| ·C-SVM分类 | 第43-44页 |
| ·v-SVM分类 | 第44-45页 |
| ·多层感知器的多类支持向量机训练方法 | 第45-48页 |
| ·多层感知器结构分析 | 第46页 |
| ·多层感知器的BP算法 | 第46-47页 |
| ·结合v-SVM与多层感知器的多类支持向量机训练 | 第47-48页 |
| ·车牌字符分类识别方法 | 第48-55页 |
| ·多类别分类方法研究 | 第48-51页 |
| ·One-vs-One | 第48-50页 |
| ·One-vs-Rest | 第50-51页 |
| ·带参数调整的单向二叉决策数多类支持向量机分类方法 | 第51-54页 |
| ·贪心算法 | 第51-52页 |
| ·单向二叉决策树原理 | 第52-53页 |
| ·两种算法的比较选择 | 第53-54页 |
| ·单向二叉决策树算法的改进 | 第54-55页 |
| ·本章小节 | 第55-57页 |
| 第5章 车牌字符识别的实现及仿真实验 | 第57-77页 |
| ·车牌字符图像预处理 | 第57-62页 |
| ·字符图像的二值化 | 第57-58页 |
| ·二值图的噪声滤除 | 第58-59页 |
| ·字符图像的归一化 | 第59-62页 |
| ·位置归一化 | 第59-60页 |
| ·大小归一化 | 第60-62页 |
| ·车牌字符的特征提取 | 第62-66页 |
| ·粗网格特征 | 第62-63页 |
| ·方向线素特征 | 第63-64页 |
| ·改进的粗网格特征 | 第64-66页 |
| ·车牌字符的分类识别 | 第66-68页 |
| ·仿真实验与结果讨论 | 第68-76页 |
| ·特征维数选择实验 | 第69-70页 |
| ·核函数和参数的选取实验 | 第70-72页 |
| ·结合多层感知器和单向二叉决策树多类支持向量机识别实验 | 第72-74页 |
| ·结果分析 | 第74-76页 |
| ·本章小节 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| ·论文工作总结 | 第77-78页 |
| ·进一步研究的工作 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84-85页 |
| 攻读硕士期间发表的论文 | 第85页 |