一类新的非凸稀疏编码算法及其在场景分类问题的应用
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 图像分类技术的应用 | 第9-10页 |
| 1.3 课题的国内外研究现状 | 第10-11页 |
| 1.4 本文的主要研究内容 | 第11-13页 |
| 1.4.1 本文的主要研究内容 | 第11-12页 |
| 1.4.2 全文章节安排 | 第12-13页 |
| 第二章 基于稀疏编码的图像分类算法 | 第13-20页 |
| 2.1 基于稀疏编码的图形分类算法的原理 | 第13页 |
| 2.2 图像数据的输入 | 第13-14页 |
| 2.3 图像的特征提取 | 第14-15页 |
| 2.3.1 特征提取 | 第14-15页 |
| 2.3.2 Bow模型和SPM模型 | 第15页 |
| 2.4 稀疏编码 | 第15-18页 |
| 2.4.1 向量数量化 | 第16-17页 |
| 2.4.2 稀疏编码 | 第17-18页 |
| 2.5 池化 | 第18-19页 |
| 2.6 分类器选择 | 第19页 |
| 2.7 本章小结 | 第19-20页 |
| 第三章 一种基于稀疏编码的图像分类算法 | 第20-26页 |
| 3.1 稀疏编码 | 第20-22页 |
| 3.1.1 拉格朗日对偶算法 | 第20-21页 |
| 3.1.2 Feature-sign 算法 | 第21-22页 |
| 3.2 分类器的选择 | 第22-23页 |
| 3.3 数值实验和结果 | 第23-25页 |
| 3.3.1 Caltech-101 数据集 | 第23-24页 |
| 3.3.2 Caltech-256 数据集 | 第24页 |
| 3.3.3 15 Scenes测试数据集 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 一类改进的稀疏编码图像分类算法 | 第26-30页 |
| 4.1 N-N-ScSPM算法 | 第26-27页 |
| 4.1.2 ISD算法框架 | 第27页 |
| 4.2 非负的稀疏编码模型(NNSC) | 第27-29页 |
| 4.3 本章小结 | 第29-30页 |
| 第五章 稀疏优化算法在纸币识别中的探索 | 第30-33页 |
| 5.1 纸币数据集 | 第30页 |
| 5.2 实验结果 | 第30-31页 |
| 5.3 探索性工作 | 第31-32页 |
| 5.4 本章小结 | 第32-33页 |
| 第六章 结束语 | 第33-34页 |
| 致谢 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 攻读硕士学位期间取得的成果 | 第37-38页 |
