基于svm的图像分类系统设计文档本科学位论文.doc

《基于svm的图像分类系统设计文档本科学位论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、LANZHOUUNIVERSITYOFTECHNOLOGY毕业设计题目基于SVM的图象分类系统学生姓名学号专业班级计算机科学与技术3班指导教师学院计算机与通信学院答辩日期29兰州理工大学毕业设计摘要支持向量机(SVM)方法是建立在统计学习理论基础之上的，克服了神经网络分类和传统统计分类方法的许多缺点，具有较高的泛化性能。但是，由于支持向量机尚处在发展阶段，很多方面尚不完善，现有成果多局限于理论分析，而应用显得较薄弱，因此研究和完善利用支持向量机进行图像分类对进一步推进支持向量机在图像分析领域的应用具有积极的推动作用。本文通过支持向量机技术和图像特征提取技术实现了一个图像分类实验系统。文中

2、首先引入了支持向量机概念，对支持向量机做了较全面的介绍；然后，讨论了图像特征的描述和提取方法，对图像的颜色矩特征做了详细的描述，对svm分类也做了详细的说明；最后讨论了由分类结果所表现的一些问题。测试结果表明，利用图像颜色矩特征的分类方法是可行的，并且推断出采用综合特征方法比采用单一特征方法进行分类得到的结果要更令人满意。关键词：支持向量机图像分类特征提取颜色矩29兰州理工大学毕业设计AbstractThesupportvectormachine(SVM)methodisbasedonstatisticallearningtheoryfoundation,overcometheneura

3、lnetworkclassificationandtraditionalstatisticalclassificationmethodoffaults,andhashighgeneralizationperformance.But,becausethesupportvectormachine(SVM)isstillinthedevelopmentstage,manystillnotperfect,theexistingresultsmorelimitedtothetheoreticalanalysis,andtheuseofappearmoreweakandthereforestudya

4、ndimprovetheuseofsupportvectormachinestoimageclassificationsupportvectormachinetofurtheradvanceintheapplicationofimageanalysisplayapositiveroleinpromoting.Inthispaper,supportvectormachine(SVM)technologyandimagefeatureextractiontechnologyimplementsaimageclassificationexperimentsystem.Thispaperfirs

5、tintroducestheconceptofsupportvectormachine(SVM),thesupportvectormachine(SVM)madeamorecomprehensiveintroduction;Then,discussedtheimagecharacteristicsofdescriptionandextractionmethod,theimagecolormomentfeaturesdescribedindetail,alsomadedetailedinstructionsfortheSVMclassification;Finallydiscussedth

6、eclassificationresultsofsomeproblems.Testresultsshowthatusingthetorquecharacteristicsoftheimagecolorclassificationmethodisfeasible,anddeducethecomprehensivecharacteristicmethodthanusingsinglefeaturemethodtoclassifytheresultsaremoresatisfactory.Keywords:supportvectormachineimageclassificationfeatu

7、reextractionColorMoment29兰州理工大学毕业设计目录摘要IAbstractII第一章前言11.1本课题的研究意义11.2本论文的目的、内容11.3开发技术介绍11.3.1SVM技术及其发展简史11.3.2java技术简介2第二章系统分析32.1系统需求分析32.2系统业务流程分析3第三章系统总体设计43.1分类系统的结构43.2图像数据库43.3特征提取模块43.4svm分类模块4第四章系统详细设计64.1特征