| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 数据分类的研究现状 | 第16-17页 |
| 1.2.2 Fisher矢量特征编码的研究现状 | 第17-18页 |
| 1.2.3 稀疏编码的研究现状 | 第18-19页 |
| 1.3 数据分类的概述 | 第19-23页 |
| 1.4 本文的研究内容及章节安排 | 第23-24页 |
| 第二章 相关基础理论介绍 | 第24-36页 |
| 2.1 特征提取相关理论 | 第24-26页 |
| 2.1.1 颜色特征 | 第24-25页 |
| 2.1.2 纹理特征 | 第25页 |
| 2.1.3 形状特征 | 第25-26页 |
| 2.1.4 空间关系特征 | 第26页 |
| 2.2 词袋模型简介 | 第26-28页 |
| 2.3 高斯混合模型与Fisher矢量简介 | 第28-31页 |
| 2.3.1 单高斯模型 | 第28-29页 |
| 2.3.2 高斯混合模型 | 第29-31页 |
| 2.3.3 Fisher矢量编码简介 | 第31页 |
| 2.4 稀疏编码 | 第31-33页 |
| 2.4.1 稀疏编码的起源 | 第31-32页 |
| 2.4.2 稀疏编码的发展和应用 | 第32-33页 |
| 2.5 数据分类的评价方法 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 基于Fisher矢量编码的稀疏表示分类算法 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 Fisher Kernel简介 | 第36-39页 |
| 3.2.1 Fisher Kernel原理 | 第37-38页 |
| 3.2.2 Fisher矢量（FV）特征 | 第38-39页 |
| 3.3 基于Fisher矢量编码的稀疏表示分类算法框架 | 第39-45页 |
| 3.3.1 最大后验概率 | 第39-42页 |
| 3.3.2 Fisher矢量的稀疏表示 | 第42-43页 |
| 3.3.3 算法步骤与流程图 | 第43-45页 |
| 3.4 实验结果与分析 | 第45-47页 |
| 3.4.1 实验仿真环境 | 第45页 |
| 3.4.2 实验数据集 | 第45页 |
| 3.4.3 约束因子对数据分类的影响 | 第45-47页 |
| 3.4.4 与相关算法的比较 | 第47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于Boosting的Fisher矢量稀疏编码分类算法 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 Boosting的相关理论及应用 | 第49-51页 |
| 4.3 基于Boosting的Fisher矢量稀疏编码分类算法框架 | 第51-55页 |
| 4.3.1 高斯混合模型与Fisher矢量 | 第51-52页 |
| 4.3.2 基于Boosting的高斯核筛选 | 第52-53页 |
| 4.3.3 算法步骤与流程图 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-57页 |
| 4.4.1 实验仿真环境 | 第55页 |
| 4.4.2 不同高斯核数目对数据分类的影响 | 第55-56页 |
| 4.4.3 与相关算法的比较 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
