| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 零样本识别的研究背景 | 第9-12页 |
| 1.1.1 语义鸿沟 | 第11页 |
| 1.1.2 投影域迁移 | 第11-12页 |
| 1.2 研究方法 | 第12-15页 |
| 1.2.1 构建对象类中间表示 | 第12-14页 |
| 1.2.2 已知模式与未知模式间的知识迁移 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 主要工作概述 | 第17-18页 |
| 1.5 内容章节安排 | 第18-21页 |
| 第二章 相关背景知识介绍 | 第21-29页 |
| 2.1 基于属性学习的领域无自适应学习算法 | 第21-24页 |
| 2.1.1 直接属性预测算法 | 第21-23页 |
| 2.1.2 间接属性预测算法 | 第23-24页 |
| 2.2 基于属性学习的领域自适应学习算法 | 第24-28页 |
| 2.2.1 UDA算法 | 第24-25页 |
| 2.2.2 相关知识迁移算法 | 第25-26页 |
| 2.2.3 共享模型空间算法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 自适应样例属性算法 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 自适应样例属性算法 | 第29-33页 |
| 3.2.1 自适应样例属性算法的动机 | 第29-30页 |
| 3.2.2 自适应样例属性算法的数学模型 | 第30-31页 |
| 3.2.3 自适应样例属性算法的求解 | 第31-33页 |
| 3.3 试验结果与分析 | 第33-37页 |
| 3.3.1 基准对比算法 | 第33页 |
| 3.3.2 AwA数据集简介及实验设置 | 第33页 |
| 3.3.3 AwA数据集上试验结果及分析 | 第33-34页 |
| 3.3.4 CUB数据集简介及试验设置 | 第34-35页 |
| 3.3.5 CUB数据集试验结果及分析 | 第35页 |
| 3.3.6 aPascal-aYahoo数据集简介及实验设置 | 第35-36页 |
| 3.3.7 aPascal-aYahoo数据集试验结果及分析 | 第36-37页 |
| 3.3.8 样本数量对ALIA算法的影响 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 区分性样例属性算法 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 区分性样例属性算法 | 第39-43页 |
| 4.2.1 区分性样例属性算法的动机 | 第39-40页 |
| 4.2.2 区分性样例属性算法的数学模型 | 第40-41页 |
| 4.2.3 区分性样例属性算法的求解 | 第41-43页 |
| 4.3 试验结果与分析 | 第43-46页 |
| 4.3.1 基准对比算法 | 第43-44页 |
| 4.3.2 AwA数据集上试验结果及分析 | 第44页 |
| 4.3.3 CUB数据集试验结果及分析 | 第44-45页 |
| 4.3.4 aPascal-aYahoo数据集试验结果及分析 | 第45-46页 |
| 4.3.5 样本数量对LDIA算法的影响 | 第46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 可区分性和可预测性样例属性算法 | 第48-57页 |
| 5.1 引言 | 第48页 |
| 5.2 PDA算法 | 第48-49页 |
| 5.3 可区分性和可预测性样例属性算法 | 第49-53页 |
| 5.3.1 可区分性和可预测性样例属性算法的动机 | 第50页 |
| 5.3.2 可区分性和可预测性样例属性算法的数学模型 | 第50-51页 |
| 5.3.3 可区分性和可预测性样例属性算法的求解 | 第51-53页 |
| 5.4 试验结果与分析 | 第53-56页 |
| 5.4.1 基准对比算法 | 第53-54页 |
| 5.4.2 AwA数据集上试验结果及分析 | 第54页 |
| 5.4.3 CUB数据集试验结果与分析 | 第54-55页 |
| 5.4.4 aPascal-aYahoo数据集试验结果与分析 | 第55页 |
| 5.4.5 样本数量对LDPIA算法的影响 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 进一步研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 致谢 | 第64页 |
