文摘
英文文摘
声明
第一章绪论
1.1研究背景
1.2支持向量机的发展历史
1.3汉字识别研究历史简介
1.4研究内容与创新点
1.5本文的组织结构
第二章统计学习理论与支持向量机原理
2.1统计学习理论
2.1.1机器学习的数学原理
2.1.2 VC维理论
2.1.3结构风险最小化原则
2.2支持向量机原理
2.2.1完全线性可分情形
2.2.2允许线性不可分情形
2.2.3非线性情形
2.2.4核函数
2.3支持向量机的求解算法
2.3.1二次规划算法
2.3.2分解算法
2.3.3序列最小优化算法
2.3.4增量算法
2.4支持向量机的研究热点
2.5本章小结
第三章SVM多分类算法模型研究
3.1现有的SVM多分类算法
3.1.1 One-against-Rest算法
3.1.2 One-against-One算法
3.1.3纠错编码方法算法
3.1.4无环有向图算算法
3.1.5二叉决策树算法
3.2 SVM多分类算法的深入分析
3.2.1两种策略分析
3.2.2各种算法深入分析
3.3本章小结
第四章自适应剪枝SVM多分类算法模型
4.1最小二乘支持向量机
4.2块增量学习
4.3逆学习
4.4自适应剪枝SVM二分类算法模型
4.4.1算法模型的流程
4.4.2核函数的选择
4.4.3剪枝策略
4.4.4迭代结束条件
4.5自适应剪枝SVM多分类算法模型
4.6本章小结
第五章模型实验及其应用
5.1算法模型的实验
5.1.1 UCI数据集的实验
5.1.2小样本手写体汉字数据集的实验
5.1.3实验结果分析
5.2算法模型在脱机手写体汉字识别中的应用
5.2.1脱机手写体汉字识别问题
5.2.2基于自适应剪枝SVM多分类算法模型的汉字分类器设计
5.2.3脱机手写体汉字识别系统的实现
5.2.4针对超多类大样本数据的改进
5.2.5大样本手写体汉字数据集实验及结果分析
5.3本章小结
结论
参考文献
附录
攻读硕士学位期间取得的研究成果
致谢