| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外发展现状 | 第10-15页 |
| 1.3 本文的主要工作和贡献 | 第15-17页 |
| 1.4 本文的结构安排 | 第17-20页 |
| 2 基于潜在语义的单源小样本图像分类研究 | 第20-40页 |
| 2.1 引言 | 第20页 |
| 2.2 特征提取 | 第20-26页 |
| 2.2.1 SIFT特征简述 | 第21-25页 |
| 2.2.2 特征包模型 | 第25-26页 |
| 2.3 基于潜在语义的图像分类模型 | 第26-32页 |
| 2.4 模型的EM算法求解 | 第32-36页 |
| 2.5 实验 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 3 基于模糊语义的零样本图像分类研究 | 第40-58页 |
| 3.1 引言 | 第40页 |
| 3.2 模糊属性 | 第40-47页 |
| 3.2.1 属性学习 | 第40-43页 |
| 3.2.2 模糊属性的计算 | 第43-47页 |
| 3.3 模糊知识 | 第47-51页 |
| 3.3.1 知识与属性 | 第47-49页 |
| 3.3.2 模糊知识的计算 | 第49-51页 |
| 3.4 模型求解 | 第51-52页 |
| 3.4.1 模糊DAP | 第51-52页 |
| 3.4.2 模糊IAP | 第52页 |
| 3.5 实验 | 第52-57页 |
| 3.6 本章小结 | 第57-58页 |
| 4 基于语义树的多源小样本图像分类研究 | 第58-70页 |
| 4.1 引言 | 第58-60页 |
| 4.2 语义树模型 | 第60-63页 |
| 4.3 模型的优化求解 | 第63-66页 |
| 4.4 实验 | 第66-69页 |
| 4.4.1 15-scene数据库上的实验 | 第66-67页 |
| 4.4.2 UIUC 8-Sports数据库上的实验 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 5 基于弱语义计算的多源小样本图像分类研究 | 第70-102页 |
| 5.1 引言 | 第70-73页 |
| 5.2 弱语义计算的图像分类方法 | 第73-84页 |
| 5.2.1 提取图像特征 | 第74页 |
| 5.2.2 训练弱分类器 | 第74-77页 |
| 5.2.3 分类 | 第77-78页 |
| 5.2.4 集成 | 第78-82页 |
| 5.2.5 算法流程 | 第82-84页 |
| 5.3 本章方法与与多任务学习算法的区别 | 第84-85页 |
| 5.4 本章方法的性能分析 | 第85-89页 |
| 5.4.1 计算时间的分析 | 第85-88页 |
| 5.4.2 通信开销分析 | 第88-89页 |
| 5.5 实验 | 第89-100页 |
| 5.5.1 在场景数据库上的实验 | 第89-95页 |
| 5.5.2 在图像数据库上的实验 | 第95-98页 |
| 5.5.3 不同训练数据量下的实验 | 第98-100页 |
| 5.6 本章小结 | 第100-102页 |
| 6 总结与展望 | 第102-106页 |
| 6.1 研究工作总结 | 第102-104页 |
| 6.2 进一步研究工作 | 第104-106页 |
| 致谢 | 第106-108页 |
| 参考文献 | 第108-120页 |
| 附录 | 第120页 |
| A．攻读博士期间发表的论文 | 第120页 |
| B．攻读博士期间参与的项目 | 第120页 |