| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.2 多示例学习在计算机视觉领域应用的国内外研究历史与现状 | 第13页 |
| 1.3 本文针对的主要任务 | 第13-15页 |
| 1.3.1 图像的分类与检索 | 第14页 |
| 1.3.2 视频异常事件检测 | 第14-15页 |
| 1.4 本文的主要贡献与创新 | 第15-16页 |
| 1.5 本论文的结构安排 | 第16-18页 |
| 第二章 相关研究工作 | 第18-26页 |
| 2.1 图像分类与检索 | 第18-21页 |
| 2.1.1 图像分类问题 | 第18-19页 |
| 2.1.2 图像检索问题 | 第19-20页 |
| 2.1.3 范本支持向量机 | 第20页 |
| 2.1.4 多核学习 | 第20页 |
| 2.1.5 多视图子空间聚类 | 第20-21页 |
| 2.2 异常事件检测 | 第21-23页 |
| 2.2.1 视频异常事件检测问题 | 第21页 |
| 2.2.2 基于字典学习的异常事件检测算法 | 第21-23页 |
| 2.2.3 其他异常事件检测算法 | 第23页 |
| 2.3 多示例学习 | 第23-26页 |
| 2.3.1 多示例学习问题的定义 | 第23页 |
| 2.3.2 多示例学习算法 | 第23-24页 |
| 2.3.3 多视图多示例学习 | 第24-25页 |
| 2.3.4 基于多示例学习的视频任务 | 第25-26页 |
| 第三章 多示例学习在图像分类与检索中的研究 | 第26-41页 |
| 3.1 问题的定义 | 第26页 |
| 3.2 提出的方法 | 第26-33页 |
| 3.2.1 多视图子空间聚类 | 第27-28页 |
| 3.2.2 相似性关系图的建立 | 第28-30页 |
| 3.2.3 排序算法 | 第30-31页 |
| 3.2.4 与现有算法的对比 | 第31-33页 |
| 3.3 实验 | 第33-40页 |
| 3.3.1 数据集、特征以及评级标准 | 第33-34页 |
| 3.3.2 参数选择 | 第34-35页 |
| 3.3.3 性能分析 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 多示例学习在视频异常事件检测中的研究 | 第41-55页 |
| 4.1 问题定义 | 第41页 |
| 4.2 提出的方法 | 第41-47页 |
| 4.2.1 基于图的多示例学习 | 第43-45页 |
| 4.2.2 锚点字典学习 | 第45-47页 |
| 4.3 实验 | 第47-54页 |
| 4.3.1 数据集、特征以及评级标准 | 第47-49页 |
| 4.3.2 参数选择 | 第49页 |
| 4.3.3 性能分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 全文总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 后续工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 攻读硕士学位期间取得的成果 | 第65页 |