多视图学习在网络图像情感分析中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 2 背景知识介绍 | 第14-27页 |
| 2.1 网络图像情感分析基本框架 | 第14-22页 |
| 2.1.1 图像情感分析相关视觉特征 | 第15-22页 |
| 2.2 多视图学习基本框架 | 第22-24页 |
| 2.2.1 多视图学习的准则 | 第22-23页 |
| 2.2.2 协同训练 | 第23页 |
| 2.2.3 子空间学习 | 第23-24页 |
| 2.3 典型聚类和分类方法 | 第24-26页 |
| 2.3.1 典型分类器 | 第24-25页 |
| 2.3.2 典型数据聚类方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于多视图学习的聚类分析 | 第27-45页 |
| 3.1 非负矩阵分解特征学习 | 第27-30页 |
| 3.2 基于局部结构约束的多视图学习 | 第30-35页 |
| 3.2.1 非负矩阵分解的多视图学习 | 第31-32页 |
| 3.2.2 MultiGNMF算法 | 第32-35页 |
| 3.3 MultiGSemiNMF算法 | 第35-38页 |
| 3.4 实验设计与分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于多视图学习的图像情感分类 | 第45-57页 |
| 4.1 美学特征的图像情感分类 | 第45-46页 |
| 4.2 中间层特征的图像情感分类 | 第46-50页 |
| 4.2.1 属性描述方法 | 第47-49页 |
| 4.2.2 视觉情感本体 | 第49-50页 |
| 4.3 多视图学习图像情感分类 | 第50-54页 |
| 4.3.1 SOCFS特征选择 | 第51-53页 |
| 4.3.2 多视图SOCFS特征选择 | 第53-54页 |
| 4.4 实验设计与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
