| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·课题的研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文研究内容与组织结构 | 第11-14页 |
| ·本文研究内容 | 第11-12页 |
| ·本文组织结构 | 第12-14页 |
| 第二章 行为识别方法研究 | 第14-26页 |
| ·引言 | 第14页 |
| ·行为识别的特征提取及表示 | 第14-19页 |
| ·全局特征 | 第15-17页 |
| ·局部特征 | 第17-19页 |
| ·行为识别的方法 | 第19-24页 |
| ·直接分类法 | 第19-20页 |
| ·状态空间法 | 第20-21页 |
| ·字典学习方法 | 第21-24页 |
| ·行为识别过程中的难点问题 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 迁移学习 | 第26-34页 |
| ·引言 | 第26-27页 |
| ·迁移学习的划分 | 第27-29页 |
| ·迁移学习的三种方法 | 第29-33页 |
| ·基于实例的迁移学习方法 | 第29-30页 |
| ·基于特征选择的迁移学习方法 | 第30-31页 |
| ·基于特征映射的迁移学习方法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于协同矩阵分解联合拉普拉斯正则项的跨领域行为识别算法 | 第34-48页 |
| ·引言 | 第34-35页 |
| ·CMFGLR算法 | 第35-40页 |
| ·重建误差 | 第35-36页 |
| ·线性映射误差 | 第36页 |
| ·拉普拉斯正则项 | 第36-38页 |
| ·分类误差 | 第38页 |
| ·整体目标函数 | 第38-40页 |
| ·数据集介绍 | 第40-42页 |
| ·实验结果与分析 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第56页 |