基于深度学习模型的图像分类方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容和结构安排 | 第12-15页 |
| 2 深度学习理论与方法 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 人工神经网络 | 第15-19页 |
| 2.2.1 神经元基本结构 | 第15-17页 |
| 2.2.2 神经网络及其前向传播过程 | 第17-18页 |
| 2.2.3 反向传播训练算法 | 第18-19页 |
| 2.3 深度置信网络 | 第19-24页 |
| 2.3.1 限制玻尔兹曼机 | 第20-21页 |
| 2.3.2 RBM训练过程 | 第21-23页 |
| 2.3.3 深度置信网络结构及训练过程 | 第23-24页 |
| 2.4 卷积神经网络 | 第24-30页 |
| 2.4.1 局部连接和权值共享 | 第25-26页 |
| 2.4.2 卷积和下采样 | 第26-27页 |
| 2.4.3 卷积神经网络结构及训练过程 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于改进的自适应LBP-DBN图像分类算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 LBP纹理特征提取 | 第31-33页 |
| 3.2.1 矩形邻域LBP算子 | 第31-32页 |
| 3.2.2 圆形邻域LBP算子 | 第32-33页 |
| 3.3 算法设计与实现 | 第33-36页 |
| 3.4 仿真实验与结果分析 | 第36-41页 |
| 3.4.1 仿真环境设置 | 第36-37页 |
| 3.4.2 仿真实验及结果分析 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 基于权值集成优化的卷积神经网络图像分类算法 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 模拟退火实现原理 | 第43-44页 |
| 4.3 算法设计与实现 | 第44-49页 |
| 4.3.1 全连接层权值优化策略 | 第45-46页 |
| 4.3.2 卷积层权值优化策略 | 第46-47页 |
| 4.3.3 离散化高斯卷积核 | 第47-49页 |
| 4.4 集成权值优化网络的训练步骤及流程 | 第49-50页 |
| 4.5 仿真实验与结果分析 | 第50-55页 |
| 4.5.1 MNIST库仿真实验及结果分析 | 第51-53页 |
| 4.5.2 CIFAR-10库仿真实验及结果分析 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间的科研成果 | 第65-66页 |
