| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 课题的来源及论文的主要内容 | 第18-19页 |
| 1.3.1 课题来源 | 第18页 |
| 1.3.2 主要研究内容 | 第18-19页 |
| 第2章 深度学习模型 | 第19-29页 |
| 2.1 浅层学习和深度学习 | 第19-21页 |
| 2.1.1 浅层学习 | 第19-20页 |
| 2.1.2 深层学习 | 第20-21页 |
| 2.2 卷积神经网络结构 | 第21-23页 |
| 2.3 深度置信网络 | 第23-28页 |
| 2.3.1 受限波尔兹曼机 | 第23-26页 |
| 2.3.2 深度置信网络架构 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 联合深度置信网络算法 | 第29-36页 |
| 3.0 联合深度置信网络的模型设计 | 第29-30页 |
| 3.1 数据二值化 | 第30页 |
| 3.2 改进有监督微调过程 | 第30-31页 |
| 3.3 训练算法 | 第31-32页 |
| 3.4 联合深度置信网络实现 | 第32-34页 |
| 3.4.1 Numpy库 | 第32页 |
| 3.4.2 MNIST数据库和COIL-20数据库 | 第32-33页 |
| 3.4.3 实验操作预处理 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 特征提取算法研究 | 第36-45页 |
| 4.1 图像特征提取 | 第36页 |
| 4.2 小波不均匀分块特征图像分类算法 | 第36-38页 |
| 4.2.1 不均匀分块 | 第37页 |
| 4.2.2 HIS颜色特征 | 第37-38页 |
| 4.3 下采样深度置信神经网络 | 第38-40页 |
| 4.4 算法框架 | 第40-41页 |
| 4.5 实验配置 | 第41-43页 |
| 4.5.1 运行环境 | 第41-42页 |
| 4.5.2 实验数据描述 | 第42-43页 |
| 4.6 实验结果和分析 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51页 |