基于异常点检测的图像分类技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 图像分类相关技术 | 第11-15页 |
| 1.2.1 图像特征提取方法 | 第12-13页 |
| 1.2.2 图像分类算法 | 第13-15页 |
| 1.3 异常点检测相关技术 | 第15-17页 |
| 1.3.1 异常点检测技术发展概况 | 第15-16页 |
| 1.3.2 高维异常点检测技术发展概况 | 第16-17页 |
| 1.4 本文主要研究内容及论文组织 | 第17-18页 |
| 第2章 基于支持向量机的图像分类 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 图像表示 | 第18-22页 |
| 2.2.1 图像全局视觉特征提取算法 | 第18-21页 |
| 2.2.2 图像局部视觉特征提取算法 | 第21-22页 |
| 2.3 图像分类方法 | 第22-25页 |
| 2.3.1 支持向量机原理简述 | 第23-24页 |
| 2.3.2 视觉特征融合的图像分类 | 第24-25页 |
| 2.4 实验结果及分析 | 第25-29页 |
| 2.4.1 实验设置 | 第25-26页 |
| 2.4.2 评价指标 | 第26-27页 |
| 2.4.3 实验及其结果分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 分类结果异常点检测 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 高维异常点检测算法 | 第30-34页 |
| 3.2.1 基于角度的异常点检测算法 | 第30-32页 |
| 3.2.2 基于主成分分析的异常点检测算法 | 第32-33页 |
| 3.2.3 基于子空间的异常点检测算法 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-38页 |
| 3.3.1 实验设置 | 第34页 |
| 3.3.2 评价指标 | 第34-35页 |
| 3.3.3 实验及其结果分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于异常点检测的分类结果优化 | 第39-45页 |
| 4.1 引言 | 第39页 |
| 4.2 分类结果优化研究 | 第39-42页 |
| 4.2.1 最大熵原理简述 | 第40-41页 |
| 4.2.2 基于最大熵原理的分类结果优化 | 第41-42页 |
| 4.3 实验设置及结果分析 | 第42-44页 |
| 4.3.1 实验设置 | 第42页 |
| 4.3.2 评价指标 | 第42页 |
| 4.3.3 实验及结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于异常点检测的图像分类系统 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 图像自动分类系统的构建及性能分析 | 第45-50页 |
| 5.2.1 系统构建 | 第45-47页 |
| 5.2.2 系统性能评价指标 | 第47页 |
| 5.2.3 系统性能分析 | 第47-49页 |
| 5.2.4 系统分类错误分析 | 第49-50页 |
| 5.3 系统展示 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
