深度学习在图像聚类及分类中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 无监督深度聚类算法研究现状 | 第10-11页 |
| 1.2.2 蝴蝶数据的研究现状 | 第11页 |
| 1.3 本文研究内容及组织结构 | 第11-14页 |
| 第2章 相关背景知识介绍 | 第14-26页 |
| 2.1 深度学习概述 | 第14-15页 |
| 2.2 有监督的深度学习 | 第15-20页 |
| 2.2.1 卷积神经网络原理 | 第15-18页 |
| 2.2.2 卷积神经网络提取特征 | 第18-20页 |
| 2.3 无监督的深度学习 | 第20-24页 |
| 2.3.1 欠完备自编码器 | 第21-22页 |
| 2.3.2 降噪自编码 | 第22页 |
| 2.3.3 栈式自编码器 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 一种新的深度学习聚类算法 | 第26-38页 |
| 3.1 新算法提出的背景和思路 | 第26页 |
| 3.2 深度聚类算法 | 第26-29页 |
| 3.2.1 深度嵌入聚类算法 | 第26-28页 |
| 3.2.2 基于局部结构保留的深度嵌入聚类算法 | 第28-29页 |
| 3.2.3 深度卷积聚类算法 | 第29页 |
| 3.3 本章深度聚类算法 | 第29-32页 |
| 3.3.1 本章改进的深度聚类算法 | 第29-30页 |
| 3.3.2 本章算法步骤 | 第30-32页 |
| 3.4 实验结果与分析 | 第32-37页 |
| 3.4.1 数据集描述 | 第32-33页 |
| 3.4.2 评价指标 | 第33-34页 |
| 3.4.3 实验设置 | 第34-35页 |
| 3.4.4 实验结果与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 目标检测在蝴蝶数据集上的应用 | 第38-46页 |
| 4.1 算法思想及描述 | 第38-40页 |
| 4.2 实验结果与分析 | 第40-44页 |
| 4.2.1 数据集介绍 | 第40-41页 |
| 4.2.2 评价指标 | 第41-42页 |
| 4.2.3 实验设计 | 第42-43页 |
| 4.2.4 实验结果与分析 | 第43-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 论文的工作总结 | 第46-47页 |
| 5.2 存在的问题与展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士学位期间的成果 | 第56页 |
