首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多媒体分析中的半监督和张量学习的研究

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

论文共134页,点击 下载论文
上一篇:基于自表达的多视角子空间聚类方法研究
下一篇:基于两性离子化单体和杂化材料制备高通量抗污染纳滤膜