封面
中文摘要
英文摘要
目录
1 绪 论
1.1 研究的背景与意义
1.2 支持向量机的研究现状与应用
1.2.1 支持向量机的研究现状
1.2.2 支持向量机的应用
1.3 手写数字识别的基本理论
1.3.1 手写数字识别的研究现状
1.3.2 手写数字识别的流程
1.3.3 手写数字字符识别的方法
1.4 论文的主要工作及内容安排
1.4.1 论文的主要工作
1.4.2 论文的内容安排
2.1 支持向量机的统计学基础
2.1.1 分类问题的统计学提法
2.1.2 经验风险最小化原则
2.1.3 VC维
2.1.4 结构风险最小化原则
2.2从线性分化到非线性分化
2.2.1线性可分问题的支持向量机
2.2.2 近似线性可分问题的支持向量机
2.2.3 非线性分化的分类算法
2.3 C-支持向量机的训练算法
2.4 基于两类支持向量分类机的方法
2.5 核函数
2.5.1 常用的核函数
2.5.2 核函数及参数的选取
3 支持向量机参数和核函数的优化问题
3.1 基于网格搜索法的优化
3.2 基于GA的优化
3.2.1 选择与复制
3.2.2 交叉与变异
3.2.3 基于GA优化的模型
3.3 基于PSO算法的优化
4 手写数字图像的预处理过程
4.1 图像预处理的研究现状
4.2 阈值选取方法
4.2.1 全局阈值法
4.2.2 二维Otsu自适应阈值法
5 基于改进的PSO-SVM模型的手写数字识别问题
5.1 阈值处理方法的选取
5.1.1 备选方法
5.1.2 数据的来源
5.1.3 开发平台与开发工具
5.1.4 比较实验结果
5.2 支持向量机核函数参数优化算法的选取
5.2.1 备选算法
5.2.2比较实验结果
5.3 改进的PSO-SVM模型的设计说明
5.3.1 改进的PSO算法
5.3.2 LSSVM变形策略
5.3.3 基于改进的PSO-SVM模型的手写数字识别
5.3.4 实验结果分析
5.4 本章小结
6 总结与展望
致谢
参考文献
附录
作者在攻读硕士学位期间发表的论文