| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 引言 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 贝叶斯方法的研究进展与现状 | 第8-11页 |
| 1.2.1 LDA | 第9-11页 |
| 1.2.2 Dirichlet Process | 第11页 |
| 1.3 文章的主要研究内容及章节安排 | 第11-13页 |
| 第二章 基于狄利克雷分布及狄利克雷过程的数理统计方法 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 狄利克雷分布 | 第13-16页 |
| 2.2.1 共轭先验分布 | 第14-15页 |
| 2.2.2 狄利克雷分布 | 第15-16页 |
| 2.3 狄利克雷过程 | 第16-19页 |
| 2.3.1 狄利克雷过程定义 | 第16-17页 |
| 2.3.2 狄利克雷过程的两种常规构造 | 第17-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于双变量LDA的语义分类算法 | 第21-35页 |
| 3.1 引言 | 第21页 |
| 3.2 基于LDA模型的语义信息分类算法 | 第21-24页 |
| 3.2.1 基于连续条件概率分布的LDA模型 | 第21-22页 |
| 3.2.2 基于吉布斯采样的LDA模型 | 第22-24页 |
| 3.3 基于双变量的LDA模型 | 第24-32页 |
| 3.3.1 视频数据特征介绍 | 第24-26页 |
| 3.3.2 变量LDA模型的分类算法 | 第26-32页 |
| 3.4 实验结果与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于贝叶斯混合模型的人脸识别算法 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 基于贝叶斯混合模型的逆回归方法 | 第35-40页 |
| 4.2.1 基于Principal Fitted Component的数据降维算法 | 第36-37页 |
| 4.2.2 基于狄利克雷过程的PFC模型 | 第37-40页 |
| 4.3 基于BMI数据处理方法的DLA模型 | 第40-42页 |
| 4.4 基于概率BMI的识别算法 | 第42页 |
| 4.5 实验结果与分析 | 第42-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间参加的科研项目以及发表的论文 | 第55页 |