基于概率生成主题模型的图像场景分类方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 本文的研究背景和研究意义 | 第8-9页 |
| 1.2 图像场景分类方法的研究现状 | 第9-15页 |
| 1.2.1 图像表示的方法 | 第9-12页 |
| 1.2.2 图像场景分类方法 | 第12-15页 |
| 1.3 图像场景分类的问题和难点 | 第15-17页 |
| 1.4 论文的主要工作和研究成果 | 第17-20页 |
| 1.4.1 论文主要工作和研究成果 | 第17-18页 |
| 1.4.2 论文结构 | 第18-20页 |
| 第二章 概率生成主题模型 | 第20-30页 |
| 2.1 图模型和贝叶斯网络 | 第20-22页 |
| 2.2 概率生成主题模型 | 第22-26页 |
| 2.2.1 概率潜在语义分析 | 第22-24页 |
| 2.2.2 隐狄利克雷分布 | 第24-26页 |
| 2.3 概率生成主题模型的意义 | 第26-28页 |
| 2.3.1 概率生成主题模型的几何意义 | 第27-28页 |
| 2.3.2 文本模型扩展到图像模型 | 第28页 |
| 2.4 视觉词典的形成 | 第28-30页 |
| 第三章 基于层次狄利克雷分布改进的主题模型 | 第30-52页 |
| 3.1 问题描述 | 第30-31页 |
| 3.2 共享组件主题模型 | 第31-34页 |
| 3.3 层次共享组件主题模型 | 第34-40页 |
| 3.3.1 层次狄利克雷过程 | 第34-35页 |
| 3.3.2 模型改进 | 第35-37页 |
| 3.3.3 参数推导 | 第37-40页 |
| 3.4 标记层次共享组件模型 | 第40-42页 |
| 3.5 实验结果分析 | 第42-51页 |
| 3.5.1 实验数据 | 第42-44页 |
| 3.5.2 模型实验结果与分析 | 第44-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于线性变换改进的主题模型 | 第52-68页 |
| 4.1 判别式主题空间 | 第52-53页 |
| 4.2 判别式层次共享组件主题模型 | 第53-57页 |
| 4.2.1 模型介绍 | 第53-56页 |
| 4.2.2 参数估计 | 第56-57页 |
| 4.3 模型的扩展与应用 | 第57-59页 |
| 4.4 实验结果分析 | 第59-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 总结和展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 硕士期间的学术成果 | 第78-79页 |
