| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要内容与结构 | 第13-15页 |
| 第二章 相关背景知识概述 | 第15-29页 |
| 2.1 人工神经网络 | 第15-20页 |
| 2.1.1 神经元与神经网络结构 | 第15-16页 |
| 2.1.2 前向传播及参数学习 | 第16-18页 |
| 2.1.3 反向误差传播算法 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-26页 |
| 2.2.1 卷积神经网络的结构 | 第20-21页 |
| 2.2.2 卷积层 | 第21-23页 |
| 2.2.3 池化层 | 第23-24页 |
| 2.2.4 卷积神经网络的参数学习 | 第24-26页 |
| 2.3 迁移学习 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 深度卷积特征与深度迁移学习 | 第29-42页 |
| 3.1 卷积神经网络的特征学习 | 第30-36页 |
| 3.1.1 实验中的卷积神经网络的结构 | 第30-31页 |
| 3.1.2 卷积核的特征提取分析 | 第31-36页 |
| 3.2 深度特征下的迁移学习 | 第36-41页 |
| 3.2.1 基于预训练的DDC深度迁移学习 | 第37-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于二重迁移特征融合学习的图像识别方法 | 第42-61页 |
| 4.1 基于二重迁移特征融合学习图像识别方法的研究背景 | 第42-44页 |
| 4.2 二重迁移特征融合学习图像识别方法的中的分类器 | 第44-49页 |
| 4.3 二重迁移特征融合学习模型训练方法 | 第49-51页 |
| 4.4 实验环境设置及结果分析 | 第51-60页 |
| 4.4.1 实验基础环境与数据集介绍 | 第51-53页 |
| 4.4.2 实验结果与分析 | 第53-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 基于多源模型的二重迁移特征融合学习 | 第61-69页 |
| 5.1 基于多源模型的二重迁移特征融合学习方法 | 第61-62页 |
| 5.2 特征降维 | 第62-63页 |
| 5.3 基于多源模型的二重迁移特征融合学习方法步骤 | 第63-65页 |
| 5.4 实验环境设置及结果分析 | 第65-68页 |
| 5.4.1 实验基础环境与数据集介绍 | 第65-66页 |
| 5.4.2 实验结果与分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |
