| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 背景与意义 | 第15-18页 |
| 1.2 主要研究内容 | 第18-19页 |
| 1.3 论文结构 | 第19-21页 |
| 第二章 相关研究现状 | 第21-36页 |
| 2.1 引言 | 第21页 |
| 2.2 基于视频的行为识别 | 第21-26页 |
| 2.2.1 简单动作的识别 | 第21-22页 |
| 2.2.2 复杂动作的识别 | 第22-24页 |
| 2.2.3 视频特征表达 | 第24-26页 |
| 2.3 迁移学习 | 第26-31页 |
| 2.3.1 迁移学习的概念 | 第26页 |
| 2.3.2 迁移学习的方法 | 第26-29页 |
| 2.3.3 迁移学习的类型 | 第29-30页 |
| 2.3.4 迁移学习的应用 | 第30-31页 |
| 2.4 特权信息学习 | 第31-33页 |
| 2.5 相关数学求解方法 | 第33-36页 |
| 第三章 基于简单到复杂动作的迁移学习 | 第36-55页 |
| 3.1 概述 | 第36-40页 |
| 3.2 简单到复杂动作的迁移学习：SCA?TLMH | 第40-47页 |
| 3.2.1 SCA?TLMH的模型 | 第41-43页 |
| 3.2.2 优化SCA?TLMH | 第43-46页 |
| 3.2.3 SCA?TLMH的收敛性分析 | 第46-47页 |
| 3.3 实验与分析 | 第47-53页 |
| 3.3.1 数据库 | 第47-49页 |
| 3.3.2 实验设置 | 第49页 |
| 3.3.3 实验结果 | 第49-51页 |
| 3.3.4 复杂动作分解分析 | 第51-52页 |
| 3.3.5 规则项的评估 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 基于自适应简单到复杂动作的迁移学习 | 第55-71页 |
| 4.1 概述 | 第55-56页 |
| 4.2 自适应简单到复杂动作的迁移学习：SCA?TLMA | 第56-63页 |
| 4.2.1 SCA?TLMA的模型 | 第57-58页 |
| 4.2.2 优化SCA?TLMA | 第58-61页 |
| 4.2.3 SCA?TLMA的收敛性分析 | 第61-63页 |
| 4.3 实验与分析 | 第63-69页 |
| 4.3.1 数据库 | 第63页 |
| 4.3.2 实验结果 | 第63-66页 |
| 4.3.3 规则项的评估 | 第66-67页 |
| 4.3.4 先验知识设计矩阵F和自适应学习的关系矩阵β的比较 | 第67-68页 |
| 4.3.5 参数的评估 | 第68-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 基于简单动作的特权信息学习 | 第71-90页 |
| 5.1 概述 | 第71-73页 |
| 5.2 LTL-PI模型的提出 | 第73-80页 |
| 5.2.1 概率矩阵作为特权信息 | 第73-74页 |
| 5.2.2 LTL-PI的模型 | 第74-76页 |
| 5.2.3 优化LTL-PI | 第76-78页 |
| 5.2.4 LTL-PI的收敛性分析 | 第78-80页 |
| 5.3 实验与分析 | 第80-88页 |
| 5.3.1 数据库 | 第80页 |
| 5.3.2 实验设置 | 第80-82页 |
| 5.3.3 基准算法 | 第82-83页 |
| 5.3.4 实验结果 | 第83-85页 |
| 5.3.5 规则项的评估 | 第85-86页 |
| 5.3.6 复杂动作的概率描述 | 第86页 |
| 5.3.7 参数的评估 | 第86-88页 |
| 5.4 本章小结 | 第88-90页 |
| 结论与展望 | 第90-92页 |
| 参考文献 | 第92-100页 |
| 攻读博士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |
| 附件 | 第102页 |
