基于稀疏表示的场景分类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 场景分类的研究现状 | 第12-16页 |
| 1.2.1 基于底层特征的方法 | 第13页 |
| 1.2.2 基于场景结构的方法 | 第13-14页 |
| 1.2.3 基于视觉词汇的方法 | 第14-15页 |
| 1.2.4 基于深度学习的方法 | 第15-16页 |
| 1.3 本文主要研究内容和创新点 | 第16-17页 |
| 1.3.1 本文主要研究内容 | 第16页 |
| 1.3.2 本文主要创新点 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 稀疏表示分类算法(SRC)介绍 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 稀疏表示理论 | 第19-24页 |
| 2.2.1 构造字典 | 第21-22页 |
| 2.2.2 求解稀疏表示模型 | 第22-24页 |
| 2.3 稀疏表示分类(SRC)算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于图像切片的稀疏表示模型 | 第27-33页 |
| 3.1 引言 | 第27页 |
| 3.2 基于图像切片的稀疏表示的场景分类模型 | 第27-32页 |
| 3.2.1 构造字典 | 第28-30页 |
| 3.2.2 基于图像切片的稀疏表示方法 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于贝叶斯网络的场景分类 | 第33-46页 |
| 4.1 引言 | 第33-34页 |
| 4.2 朴素贝叶斯模型 | 第34-36页 |
| 4.3 基于引力模型建模 | 第36-38页 |
| 4.3.1 基于引力模型的朴素贝叶斯分类算法 | 第36-37页 |
| 4.3.2 相似距离 | 第37-38页 |
| 4.4 基于贝叶斯网络的场景分类模型 | 第38-41页 |
| 4.4.1 局部语义判断 | 第39-40页 |
| 4.4.2 分类器训练 | 第40-41页 |
| 4.5 实验验证与结果分析 | 第41-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录 (攻读硕士学位期间发表的学术论文) | 第53页 |
