| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织 | 第17-18页 |
| 第二章 基于卷积神经网络的图像特征提取算法 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 卷积神经网络 | 第18-21页 |
| 2.3 有损失函数的深度卷积神经网络训练方法 | 第21-26页 |
| 2.3.1 自动编码机训练卷积核方法 | 第22-24页 |
| 2.3.2 高斯伯努利限制性玻尔兹曼机训练卷积核方法 | 第24-25页 |
| 2.3.3 基于反向回传的整体模型训练法 | 第25-26页 |
| 2.4 无损失函数的深度卷积神经网络训练方法 | 第26-30页 |
| 2.4.1 PCANet模型及其卷积核训练方法 | 第27-29页 |
| 2.4.2 LDANet模型及其卷积核训练方法 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 一种新的无损失函数卷积神经网络MFANet | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 MFANet网络模型及其卷积核训练方法 | 第33-37页 |
| 3.3 实验流程与结果分析 | 第37-41页 |
| 3.3.1 数据集描述 | 第37页 |
| 3.3.2 图像预处理 | 第37-39页 |
| 3.3.3 实验方法与参数设定 | 第39-40页 |
| 3.3.4 实验结果分析 | 第40-41页 |
| 3.4 本章小结 | 第41-44页 |
| 第四章 一种基于概率选择的块级直方图化 | 第44-52页 |
| 4.1 引言 | 第44-45页 |
| 4.2 块级随机直方图化 | 第45-47页 |
| 4.3 实验结果与分析 | 第47-51页 |
| 4.3.1 数据集 | 第47页 |
| 4.3.2 实验方法与参数设定 | 第47-48页 |
| 4.3.3 实验结果分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60-61页 |
| 攻读学位期间参加的科研项目 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |