声明
摘要
第一章 绪论
1.1 手写数字识别背景
1.2 手写体识别的现状
1.3 手写体数字的特点及识别难点
1.4 内容的相关安排
第二章 手写数字的特征
2.1 预处理
2.1.1 灰度操作
2.1.2 滤波去噪
2.1.3 二值化
2.2 特征提取
2.2.1 粗网格特征提取
2.2.2 投影特征提取
2.2.3 轮廓特征提取
2.3 特征实验结果
2.4 本章小结
第三章 融合识别的理论基础
3.1 支持向量机
3.1.1 支持向量机的统计学习
3.1.2 支持向量机的分类思想
3.1.3 从线性分化到非线性分化
3.1.4 推广到多类的算法
3.2 D-S证据理论
3.2.1 基本概率分配
3.2.2 信任函数和似然函数
3.2.3 组合规则
3.3 构建二级的识别框架
3.3.1 改进SVM一对一的投票算法
3.3.2 BPA函数构造
3.3.3 二级SVM决策识别
3.4 本章小结
第四章 多特征融合算法的实现过程
4.1 图像归一化
4.2 粗分类
4.2.1 粗网格分类
4.2.2 投影特征分类
4.2.3 轮廓特征分类
4.3 细分类
4.3.1 改进的D-S证据理论融合过程
4.3.2 融合识别模式
4.4 字符仿真结果和对比分析
4.4.1 样本选取
4.4.2 SVM核函数选取
4.4.3 仿真实验对比
4.4.4 误识样本的采集
4.5 本章小结
第五章 手写数字识别的仿真系统
5.1 实验平台
5.2 手写体数字识别仿真系统的设计
5.3 实验结果
5.4 本章小结
第六章 结论与展望
参考文献
致谢
攻读学位期间发表的学术论文目录
太原理工大学;