最近邻搜索方法在大可视目标识别中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.2.1 最近邻方法 | 第12-13页 |
| 1.2.2 空间几何方法 | 第13-14页 |
| 1.2.3 大可视识别 | 第14页 |
| 1.3 本论文所做贡献及结构安排 | 第14-16页 |
| 第二章 纯贝叶斯最近邻算法综述 | 第16-26页 |
| 2.1 引言 | 第16-18页 |
| 2.2 纯贝叶斯最近邻算法 | 第18-19页 |
| 2.3 优化纯贝叶斯最近邻算法 | 第19-23页 |
| 2.3.1 最优纯贝叶斯最近邻算法 | 第19-20页 |
| 2.3.2 纯贝叶斯互信息最大化算法 | 第20-22页 |
| 2.3.3 “图像到类”距离度量学习算法 | 第22-23页 |
| 2.4 快速纯贝叶斯最近邻算法 | 第23-25页 |
| 2.4.1 局部纯贝叶斯最近邻算法 | 第23-24页 |
| 2.4.2 非线性嵌入快速最近邻搜索算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 金字塔最近邻搜索核方法 | 第26-41页 |
| 3.1 引言 | 第26-27页 |
| 3.2 空间金字塔匹配 | 第27-28页 |
| 3.3 金字塔最近邻算法概述 | 第28-29页 |
| 3.4 金字塔最近邻搜索核 | 第29-30页 |
| 3.5 最优金字塔最近邻分类器 | 第30-32页 |
| 3.5.1 仿射参数学习 | 第30-31页 |
| 3.5.2 多类 AdaBoost 算法 | 第31-32页 |
| 3.6 实验结果及分析 | 第32-40页 |
| 3.6.1 实验配置 | 第32-34页 |
| 3.6.2 Scene-15 数据库 | 第34-37页 |
| 3.6.3 Graz 数据库 | 第37-39页 |
| 3.6.4 Caltech-101 数据库 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 核化金字塔最近邻算法 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 核函数方法 | 第41-43页 |
| 4.3 核化纯贝叶斯最近邻算法 | 第43-44页 |
| 4.4 核化金字塔最近邻算法概述 | 第44-45页 |
| 4.5 核化金字塔最近邻特征表示 | 第45-46页 |
| 4.6 核化金字塔最近邻分类器 | 第46-49页 |
| 4.6.1 Sigmoid 函数 | 第47页 |
| 4.6.2 组合分类器 | 第47-48页 |
| 4.6.3 学习 Sigmoid 参数 | 第48页 |
| 4.6.4 复杂度分析 | 第48-49页 |
| 4.7 实验结果及分析 | 第49-53页 |
| 4.7.1 实验配置 | 第49页 |
| 4.7.2 Scene-15 数据库 | 第49-52页 |
| 4.7.3 Caltech-101 数据库 | 第52-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 积量化金字塔最近邻算法 | 第54-61页 |
| 5.1 引言 | 第54页 |
| 5.2 积量化最近邻搜索 | 第54-57页 |
| 5.2.1 量化 | 第54-55页 |
| 5.2.2 索引 | 第55-56页 |
| 5.2.3 搜索 | 第56-57页 |
| 5.3 积量化金字塔最近邻算法 | 第57-60页 |
| 5.3.1 算法步骤 | 第57-59页 |
| 5.3.2 复杂度分析 | 第59-60页 |
| 5.4 实验结果及分析 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69-72页 |
| 攻硕期间取得的研究成果 | 第72-73页 |
