| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 图像分类的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外的研究现状 | 第11页 |
| 1.2.2 国内的研究现状 | 第11-12页 |
| 1.3 常见图像分类方法 | 第12-15页 |
| 1.3.1 贝叶斯分类模型 | 第12-13页 |
| 1.3.2 支持向量机 | 第13-14页 |
| 1.3.3 人工神经网络 | 第14-15页 |
| 1.4 论文内容安排和主要内容 | 第15-17页 |
| 第2章 稀疏编码和深度学习概述 | 第17-26页 |
| 2.1 稀疏编码概述 | 第17-19页 |
| 2.1.1 稀疏编码的研究与发展 | 第17-19页 |
| 2.1.2 稀疏编码模型 | 第19页 |
| 2.2 深度学习概述 | 第19-20页 |
| 2.3 常见深度学习方法 | 第20-25页 |
| 2.3.1 栈式自动编码器 | 第21-22页 |
| 2.3.2 卷积神经网络 | 第22-23页 |
| 2.3.3 深度置信网络 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于无监督深度空间性特征学习的航拍图像分类 | 第26-37页 |
| 3.1 底层特征提取 | 第26-30页 |
| 3.1.1 SIFT特征提取 | 第26-27页 |
| 3.1.2 稀疏表示 | 第27-30页 |
| 3.2 高层图像分类 | 第30-33页 |
| 3.3 仿真实验 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于无监督深度判别性特征学习的航拍图像分类 | 第37-45页 |
| 4.1 非负稀疏编码与Fisher判别分析准则 | 第37-38页 |
| 4.1.1 非负稀疏编码 | 第37-38页 |
| 4.1.2 Fisher判别分析准则 | 第38页 |
| 4.2 图像分类模型 | 第38-41页 |
| 4.2.1 基于Fisher判别准则的非负稀疏编码算法 | 第39-40页 |
| 4.2.2 视觉词汇库的构建 | 第40页 |
| 4.2.3 稀疏表示 | 第40页 |
| 4.2.4 图像分类流程 | 第40-41页 |
| 4.3 仿真实验 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于稀疏深度置信网络的自然图像分类 | 第45-54页 |
| 5.1 稀疏受限玻尔兹曼机 | 第45-46页 |
| 5.1.1 误差平方和稀疏惩罚项 | 第45-46页 |
| 5.1.2 交叉熵稀疏惩罚项 | 第46页 |
| 5.1.3 混合稀疏惩罚项 | 第46页 |
| 5.2 基于光滑0L范数的稀疏深度置信网络 | 第46-50页 |
| 5.2.1 通过双曲正切函数逼近0L范数 | 第47页 |
| 5.2.2 稀疏深度置信网络模型 | 第47-50页 |
| 5.3 仿真实验 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 导师简介 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 学位论文数据集 | 第63页 |
