基于生成对抗网络的代价敏感序贯三支决策研究与应用
| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-12页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 人脸识别研究现状 | 第13-16页 |
| 1.2.2 人脸合成与生成对抗网络研究现状 | 第16-17页 |
| 1.2.3 代价敏感学习研究现状 | 第17-18页 |
| 1.2.4 三支决策研究现状 | 第18-19页 |
| 1.2.5 研究现状总结 | 第19-20页 |
| 1.3 研究内容与章节安排 | 第20-21页 |
| 1.3.1 研究内容 | 第20页 |
| 1.3.2 章节安排 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 2 深度卷积生成对抗网络典型结构与分析 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 卷积神经网络基本原理 | 第22-29页 |
| 2.2.1 卷积层 | 第23-24页 |
| 2.2.2 激活层 | 第24-27页 |
| 2.2.3 全连接层 | 第27页 |
| 2.2.4 Dropout层 | 第27-28页 |
| 2.2.5 BN层 | 第28-29页 |
| 2.2.6 跳跃层 | 第29页 |
| 2.3 生成对抗网络的原理、特点及应用 | 第29-32页 |
| 2.3.1 生成对抗网络的基本原理 | 第29-32页 |
| 2.3.2 生成对抗网络的特点与应用 | 第32页 |
| 2.4 常见的生成对抗网络模型 | 第32-34页 |
| 2.4.1 深度卷积生成对抗网络DCGAN | 第33页 |
| 2.4.2 条件生成对抗网络模型CGAN | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于生成对抗网络的代价敏感序贯三支决策模型 | 第35-50页 |
| 3.1 引言 | 第35页 |
| 3.2 双通道生成对抗网络模型设计 | 第35-42页 |
| 3.2.1 双通道生成对抗网络模型的构建 | 第35-39页 |
| 3.2.2 双通道生成对抗网络模型的损失函数 | 第39-42页 |
| 3.3 代价敏感序贯三支决策模型设计 | 第42-49页 |
| 3.3.1 代价敏感学习 | 第42-43页 |
| 3.3.2 代价敏感序贯三支决策理论模型 | 第43-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 实验验证与分析 | 第50-57页 |
| 4.1 CMU Multi PIE数据集 | 第50-51页 |
| 4.2 实验参数设置 | 第51-53页 |
| 4.3 实验结果分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间的学术成果和参与的科研项目 | 第66页 |
