基于度量学习的人类活动识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 距离度量学习 | 第10-12页 |
| 1.2.2 人类识别活动 | 第12-14页 |
| 1.3 论文章节安排 | 第14-15页 |
| 2 人类活动识别的相关基础知识 | 第15-19页 |
| 2.1 引言 | 第15页 |
| 2.2 活动分类模型 | 第15-17页 |
| 2.2.1 朴素贝叶斯 | 第15页 |
| 2.2.2 1-近邻 | 第15-16页 |
| 2.2.3 伴随拒绝的 1-近邻 | 第16页 |
| 2.2.4 伴随度量学习的 1-近邻 | 第16-17页 |
| 2.3 评估协议 | 第17-18页 |
| 2.4 人类活动识别框架 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于快速近邻成分分析的人类活动识别算法研究 | 第19-26页 |
| 3.1 引言 | 第19页 |
| 3.2 快速近邻成分分析算法 | 第19-22页 |
| 3.3 实验结果与分析 | 第22-25页 |
| 3.3.1 数据集 | 第22-24页 |
| 3.3.2 实验结果与分析 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于大间隔最近邻的人类活动识别算法研究 | 第26-34页 |
| 4.1 引言 | 第26页 |
| 4.2 大间隔最近邻算法 | 第26-31页 |
| 4.3 实验结果与分析 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 总结与展望 | 第34-36页 |
| 5.1 工作总结 | 第34页 |
| 5.2 展望 | 第34-36页 |
| 参考文献 | 第36-40页 |
| 致谢 | 第40-41页 |
