基于稀疏编码的图像分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 概述 | 第8-11页 |
| 1.1.1 特征的有效表示问题 | 第8-9页 |
| 1.1.2 特征选择问题 | 第9页 |
| 1.1.3 特征提取问题 | 第9-10页 |
| 1.1.4 稀疏编码与特征表示 | 第10-11页 |
| 1.2 研究目的和意义 | 第11-13页 |
| 1.2.1 研究目的 | 第11-12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 2 国内外研究现状及发展动态 | 第13-20页 |
| 2.1 概述 | 第13页 |
| 2.2 研究现状和发展动态 | 第13-20页 |
| 2.2.1 基于神经网络的稀疏编码 | 第13-14页 |
| 2.2.2 等级稀疏编码 | 第14-15页 |
| 2.2.3 基于流形学习的稀疏编码 | 第15-16页 |
| 2.2.4 统计稀疏编码 | 第16-17页 |
| 2.2.5 低秩稀疏矩阵分解 | 第17页 |
| 2.2.6 Spike-Slab稀疏编码 | 第17-20页 |
| 3 G超球面约束稀疏编码 | 第20-29页 |
| 3.1 概述 | 第20页 |
| 3.2 稀疏滤波 | 第20-21页 |
| 3.3 G超球面约束稀疏编码 | 第21-29页 |
| 3.3.1 超球面约束 | 第21-25页 |
| 3.3.2 G函数分析 | 第25-29页 |
| 4 稀疏编码与幅频特征 | 第29-34页 |
| 4.1 概述 | 第29页 |
| 4.2 信号稀疏度与幅频特征 | 第29-34页 |
| 5 实验设计和分析 | 第34-47页 |
| 5.1 概述 | 第34-35页 |
| 5.1.1 软件环境 | 第34页 |
| 5.1.2 硬件环境 | 第34-35页 |
| 5.2 数据集简介 | 第35-36页 |
| 5.2.1 mnist | 第35页 |
| 5.2.2 timit | 第35页 |
| 5.2.3 cifar-10 | 第35-36页 |
| 5.2.4 stl-10 | 第36页 |
| 5.2.5 random | 第36页 |
| 5.3 试验工具简介 | 第36-39页 |
| 5.4 G超球面约束稀疏编码实验 | 第39-45页 |
| 5.4.1 稀疏度实验 | 第39-40页 |
| 5.4.2 分类正确率 | 第40-43页 |
| 5.4.3 重构误差 | 第43-45页 |
| 5.5 稀疏编码的幅频特性实验 | 第45-47页 |
| 5.5.1 幅频特性与稀疏度量 | 第45-47页 |
| 6 工作总结和展望 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54页 |
