基于同伦的学习算法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-14页 |
| ·同伦的应用进展 | 第8-11页 |
| ·图像合成 | 第8-9页 |
| ·图像扭曲 | 第9-10页 |
| ·人脸识别 | 第10-11页 |
| ·同伦与机器学习的联系 | 第11-13页 |
| ·特征学习 | 第12页 |
| ·分类器学习 | 第12-13页 |
| ·本文内容安排 | 第13-14页 |
| 第二章 同伦特征学习算法理论基础 | 第14-22页 |
| ·同伦特征学习方法 | 第14-17页 |
| ·稀疏表示基本概念 | 第17-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 同伦特征学习算法 | 第22-37页 |
| ·基于同伦连续的降维方法 | 第22-26页 |
| ·图像同伦扭曲算法 | 第26-28页 |
| ·特征向量同伦拉伸算法 | 第28-34页 |
| ·特征向量分析 | 第28-29页 |
| ·离散信号曲线拉伸算法 | 第29-34页 |
| ·人脸识别实验 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 多任务同伦学习算法 | 第37-49页 |
| ·多任务学习基本概念与意义 | 第37-38页 |
| ·同伦学习算法和多任务的结合 | 第38-43页 |
| ·多任务机器学习基本框架 | 第38-39页 |
| ·多任务同伦学习基本框架 | 第39页 |
| ·多任务同伦学习算法 | 第39-43页 |
| ·实验 | 第43-48页 |
| ·多任务学习算法 | 第43-44页 |
| ·多任务同伦学习算法 | 第44-47页 |
| ·实验分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 中英文名词对照 | 第55-57页 |
| 论文发表情况 | 第57-58页 |
| 科研情况 | 第58-59页 |
| 致谢 | 第59-60页 |
