全文总字数：3595字

1. 研究目的与意义及国内外研究现状

随着网络的普及和人工智能的发展，图像分类成为近年来研究和应用的热点。图像可以向人们表达情感，可以帮助人们记忆，可以帮助人们理解，展现出了丰富的媒体信息。无时无刻，我们都会见到很多的图像，我们的随手拍，我们的感知等等。但是尽管图像给我们带来了这么多的表达，但是图像中总有我们不想得到的信息，也有很多没有用的信息，我们如何从图像中正确得到为我们所用，这需要对图像进行相关处理操作。图像识别的迅速发展，不仅促进了人工智能在这方面的兴起，也逐渐代替了人工筛选图片的不利。对基于svm的图像分类的研究对促进svm在图像分类上的应用，改善图像分类性能具有实际的应用价值。

但有效的分类器是识别领域的关键问题之一，这要求算法应具有较强的非线性映射能力、数据并行处理能力、泛化能力等。随着人工智能领域的发展，许多智能算法应运而生，支持向量机作为现在人工智能领域的主流分类器已经被广泛应用，但惩罚因子c和核函数参数g是影响其分类性能的主要因素。因此，本文对影响支持向量机的两个重要参数进行优化研究，最终实现基于svm特征分类系统的设计与研究。

国内外研究现状

2. 研究的基本内容

1.概述支持向量机和遗传算法的国内外研究现状，引出本文的主要研究内容

3. 实施方案、进度安排及预期效果

图像预处理 -- 图像特征提取--核函数选择 -- 图像分类

--最优参数确定

4. 参考文献

[1]王思景. 基于内容的svm图像分类系统的研究与实现[d]. 北京大学, 2010.

[2]白士御. 基于svm的印刷体数学公式识别方法研究与系统设计[d]. 沈阳工业大学, 2015.).

[3]谢怡飞. 基于svm语义分类和视觉特征提取的图像检索方法研究[d]. 哈尔滨工业大学, 2007.