首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共53页,点击 下载论文
上一篇:DNMT1抑制MGMT表达调控下咽癌的作用机制
下一篇:活动矫治器+闭合式牵引治疗上前牙埋伏阻生的应用研究