| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 稀疏表示的研究现状 | 第9页 |
| 1.2.2 动作识别的研究现状 | 第9-11页 |
| 1.3 主要问题 | 第11-12页 |
| 1.4 主要研究内容 | 第12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 2 现有的稀疏表示算法 | 第14-21页 |
| 2.1 稀疏表示的基本模型 | 第14-15页 |
| 2.2 稀疏表示的改进算法 | 第15-16页 |
| 2.3 三种字典学习模型及相应的分类方法 | 第16-20页 |
| 2.3.1 共享字典 | 第17页 |
| 2.3.2 类专用字典 | 第17-18页 |
| 2.3.3 级联字典 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 针对RGB-D特征融合的稀疏表示改进算法研究 | 第21-36页 |
| 3.1 概述 | 第21页 |
| 3.2 提取RGB-D特征 | 第21-24页 |
| 3.3 字典学习 | 第24页 |
| 3.4 分类 | 第24-28页 |
| 3.4.1 最小重构误差分类方法 | 第24-26页 |
| 3.4.2 最大非零项个数分类方法 | 第26-27页 |
| 3.4.3 多核学习方法 | 第27-28页 |
| 3.5 实验分析 | 第28-35页 |
| 3.5.1 NJUST数据集 | 第29-32页 |
| 3.5.2 MSR Daily Activity 3D数据集 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于元素判别性感知的稀疏表示改进算法研究 | 第36-49页 |
| 4.1 概述 | 第36页 |
| 4.2 计算特征和字典元素的判别性 | 第36-39页 |
| 4.2.1 计算特征的判别性 | 第37页 |
| 4.2.2 计算字典元素的判别性 | 第37-39页 |
| 4.3 分类 | 第39-41页 |
| 4.4 实验分析 | 第41-48页 |
| 4.4.1 3D Online RGBD Action数据集 | 第41-45页 |
| 4.4.2 UCF-101数据集 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 本文总结与未来展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 | 第57页 |