基于流形学习的图像理解研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 符号说明 | 第9-10页 |
| 第一章 绪论 | 第10-26页 |
| ·研究背景 | 第10-12页 |
| ·线性降维方法 | 第11-12页 |
| ·非线性降维方法 | 第12页 |
| ·流形学习介绍 | 第12-23页 |
| ·流形学习存在的问题 | 第23页 |
| ·论文的主要内容及创新点 | 第23-26页 |
| 第二章 基于图像欧式距离的ISOMAP分类算法 | 第26-38页 |
| ·引 言 | 第26-27页 |
| ·基于邻域的图像欧氏距离 | 第27-28页 |
| ·KIMD-ISOMAP算法 | 第28-31页 |
| ·基本思想 | 第28页 |
| ·实现步骤 | 第28-31页 |
| ·统一尺度图像识别结果与分析 | 第31-35页 |
| ·分类能力比较 | 第31-32页 |
| ·邻域半径的可选择范围分析 | 第32-33页 |
| ·物理噪声和几何形变环境下的图像识别性能 | 第33-35页 |
| ·多尺度空间目标图像识别试验 | 第35-36页 |
| ·STK目标库 | 第35-36页 |
| ·空间目标识别 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第三章 局部切空间线性判别分析 | 第38-55页 |
| ·引 言 | 第38页 |
| ·LLTSA简介 | 第38-42页 |
| ·LDA-LTSA算法 | 第42-51页 |
| ·邻域切空间线性判别的基本思想 | 第42-45页 |
| ·LDA-LTSA的Fisher分析 | 第45-49页 |
| ·LDA-LLTSA实现步骤 | 第49-51页 |
| ·实验与分析 | 第51-54页 |
| ·多类小样本:ORL 人脸库 | 第51-52页 |
| ·大样本少类别:Simenon 手写数字数据库 | 第52页 |
| ·少类别小样本:YALE 数据库 | 第52-53页 |
| ·多类大样本识别问题:PIE 数据库 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 流形谱分析的鲁棒性研究 | 第55-70页 |
| ·引 言 | 第55-56页 |
| ·自适应邻域分层技术模型 | 第56-61页 |
| ·基于自适应分层技术的流形谱分析方法 | 第61-62页 |
| ·LGM与谱分析方法 | 第62-64页 |
| ·基于LGM的流形谱分析模型 | 第62-63页 |
| ·LGM-ISOMAP算法二维可视化 | 第63-64页 |
| ·实验与分析 | 第64-69页 |
| ·仿真数据集实验 | 第64-67页 |
| ·图像可视化 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于流形特征的台风云图跟踪与预测 | 第70-96页 |
| ·引言 | 第70-71页 |
| ·台风云图概述 | 第70页 |
| ·云图跟踪和预测的研究现状 | 第70-71页 |
| ·云图流形模型分析 | 第71-81页 |
| ·传统算法的缺陷及 卫星云图的流形分析 | 第71-73页 |
| ·局部流形不变特征的提取 | 第73-76页 |
| ·台风序列图像的流形分析 | 第76-81页 |
| ·基于云图流形模型的跟踪匹配与长时预测技术 | 第81-91页 |
| ·台风云图分割 | 第81-86页 |
| ·台风序列图像跟踪模型 | 第86-89页 |
| ·台风序列图像预测模型 | 第89-91页 |
| ·实验与分析 | 第91-95页 |
| ·台风跟踪试验 | 第91-93页 |
| ·台风相似性分析与预测试验 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 第六章 总结与展望 | 第96-98页 |
| ·论文工作总结 | 第96-97页 |
| ·研究展望 | 第97-98页 |
| 参考文献 | 第98-105页 |
| 致谢 | 第105-106页 |
| 攻读硕士学位期间撰写的论文和参与的科研项目 | 第106页 |
