摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第12-24页 |
1.1 研究背景和现状 | 第12-15页 |
1.2 张量分解基础 | 第15-18页 |
1.2.1 张量运算 | 第15-17页 |
1.2.2 张量的分解 | 第17-18页 |
1.3 基于Laplacian图的半监督学习算法 | 第18-20页 |
1.4 本文的研究内容 | 第20-21页 |
1.4.1 基于张量秩选择的多媒体分析 | 第20页 |
1.4.2 基于Tucker分解的监督张量学习模型 | 第20-21页 |
1.4.3 基于逻辑张量回归的图像分类算法 | 第21页 |
1.4.4 半监督迁移学习在视频动作识别中的应用 | 第21页 |
1.4.5 半监督张量学习在图像分类中的应用 | 第21页 |
1.5 本文的章节安排 | 第21-24页 |
第二章 基于张量秩选择的多媒体分析 | 第24-50页 |
2.1 引言 | 第24-27页 |
2.2 张量秩选择算法 | 第27-28页 |
2.3 优化方法 | 第28-33页 |
2.3.1 秩选择的张量岭回归模型 | 第29-30页 |
2.3.2 秩选择的支持张量回归模型 | 第30页 |
2.3.3 基于张量秩选择框架算法的性能 | 第30-33页 |
2.4 算法TRRRS和STRRS在多分类问题中的应用 | 第33-34页 |
2.5 实验 | 第34-48页 |
2.5.1 视频动作识别 | 第35-40页 |
2.5.2 图像分类研究 | 第40-45页 |
2.5.3 头部姿势估计研究 | 第45-48页 |
2.5.4 实验相关讨论 | 第48页 |
2.6 结论 | 第48-50页 |
第三章 基于Tucker分解的监督张量学习模型在图像动作识别中的应用 | 第50-62页 |
3.1 引言 | 第50-52页 |
3.2 本章相关算法 | 第52-54页 |
3.2.1 Tucker岭回归 | 第52-53页 |
3.2.2 目标函数的优化 | 第53-54页 |
3.3 实验 | 第54-60页 |
3.3.1 数据集 | 第56-57页 |
3.3.2 实验结果 | 第57-59页 |
3.3.3 参数和收敛性的研究 | 第59-60页 |
3.4 结论 | 第60-62页 |
第四章 基于逻辑张量回归的图像分类算法 | 第62-78页 |
4.1 引言 | 第62-64页 |
4.2 基于张量分解的分类算法 | 第64-70页 |
4.2.1 秩选择的逻辑张量回归模型 | 第65-67页 |
4.2.2 逻辑Tucker回归模型 | 第67-69页 |
4.2.3 多类分类器的扩展 | 第69-70页 |
4.3 实验结果及分析 | 第70-73页 |
4.3.1 实验数据集 | 第70-71页 |
4.3.2 实验结果比较 | 第71-72页 |
4.3.3 参数分析 | 第72-73页 |
4.3.4 收敛性分析 | 第73页 |
4.4 结论 | 第73-78页 |
第五章 半监督迁移学习在视频动作识别中的应用 | 第78-102页 |
5.1 引言 | 第78-79页 |
5.2 相关研究 | 第79-82页 |
5.2.1 迁移学习 | 第79-81页 |
5.2.2 半监督学习 | 第81-82页 |
5.3 图像到视频的信息迁移算法框架 | 第82-84页 |
5.4 优化过程 | 第84-88页 |
5.5 实验 | 第88-97页 |
5.5.1 辅助图像数据集和目标视频数据集 | 第88-91页 |
5.5.2 实验设置 | 第91-92页 |
5.5.3 对比算法 | 第92页 |
5.5.4 实验结果 | 第92-94页 |
5.5.5 参数影响 | 第94页 |
5.5.6 不同视觉特征对算法IVA的识别影响 | 第94-95页 |
5.5.7 不同迁移信息对IVA识别率的影响 | 第95-97页 |
5.6 结论 | 第97-102页 |
第六章 半监督张量学习在图像分类中的应用 | 第102-116页 |
6.1 引言 | 第102-104页 |
6.2 半监督张量学习算法 | 第104-108页 |
6.2.1 半监督Tucker张量岭回归 | 第104-105页 |
6.2.2 目标函数的优化 | 第105-108页 |
6.3 实验 | 第108-113页 |
6.3.1 数据集 | 第109-110页 |
6.3.2 实验结果及讨论 | 第110-111页 |
6.3.3 参数和收敛性的研究 | 第111-113页 |
6.4 结论 | 第113-116页 |
结论 | 第116-120页 |
参考文献 | 第120-132页 |
发表论文和参加科研情况说明 | 第132-134页 |
致谢 | 第134页 |