| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 本文主要工作 | 第10-11页 |
| 1.3 本文结构组织 | 第11-12页 |
| 第二章 场景分类的基本技术 | 第12-24页 |
| 2.1 SIFT 特征提取 | 第12-16页 |
| 2.1.1 创建尺度空间 | 第12-14页 |
| 2.1.2 特征点检测 | 第14-15页 |
| 2.1.3 生成特征点特征描述子 | 第15-16页 |
| 2.2 词袋模型 | 第16-19页 |
| 2.2.1 利用 K-means 聚类算法构建字典 | 第16-18页 |
| 2.2.2 根据字典构造特征表达 | 第18-19页 |
| 2.3 支持向量机 | 第19-23页 |
| 2.3.1 2 类分类问题中的线性模型 | 第19页 |
| 2.3.2 2 类分类问题中的支持向量机 | 第19-22页 |
| 2.3.3 多类分类问题中的支持向量机 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 场景分类中的特征表达技术 | 第24-37页 |
| 3.1 空间金字塔匹配相关技术 | 第24-29页 |
| 3.1.1 金字塔匹配 | 第24-25页 |
| 3.1.2 空间金字塔匹配 | 第25-26页 |
| 3.1.3 基于稀疏编码的空间金字塔匹配 | 第26-29页 |
| 3.2 局部受限线性编码 | 第29-31页 |
| 3.3 高效匹配核 | 第31-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 排序信息保留鉴别分析子空间学习算法 | 第37-56页 |
| 4.1 主成分分析 | 第37-40页 |
| 4.2 线性判别分析 | 第40-45页 |
| 4.3 边界费舍尔分析 | 第45-48页 |
| 4.4 块配准框架 | 第48-50页 |
| 4.4.1 部分最优 | 第48-49页 |
| 4.4.2 全局校正 | 第49-50页 |
| 4.5 排序信息保留鉴别分析 | 第50-55页 |
| 4.5.1 排序信息保留鉴别分析的部分最优 | 第51-53页 |
| 4.5.2 排序信息保留鉴别分析的全局校正 | 第53-54页 |
| 4.5.3 惩罚因子函数的选择 | 第54-55页 |
| 4.5.4 时间复杂度分析 | 第55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-69页 |
| 5.1 Kinect 简介 | 第56页 |
| 5.2 NYU Depth V1 数据集 | 第56-57页 |
| 5.3 实验数据集特征表达与实验过程 | 第57-59页 |
| 5.4 实验参数选取 | 第59-60页 |
| 5.4.1 特征表达参数选取 | 第59-60页 |
| 5.4.2 子空间学习算法参数选取 | 第60页 |
| 5.5 实验结果与分析 | 第60-68页 |
| 5.6 本章小结 | 第68-69页 |
| 结论 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |