| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7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14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究进展与现状 | 第15-17页 |
| 1.3 论文研究内容与安排 | 第17-20页 |
| 第二章 基于二维主成分分析网络的静态极光图像分类 | 第20-34页 |
| 2.1 引言 | 第20-21页 |
| 2.2 理论基础 | 第21-23页 |
| 2.2.1 二维主成分分析 | 第21-22页 |
| 2.2.2 主成分分析网络 | 第22-23页 |
| 2.3 基于二维主成分分析网络的静态极光图像分类 | 第23-26页 |
| 2.3.1 基于2DPCANet的一阶滤波器层 | 第23-24页 |
| 2.3.2 基于2DPCANet的二阶滤波器层 | 第24-25页 |
| 2.3.3 基于2DPCANet的输出层 | 第25-26页 |
| 2.4 实验结果与分析 | 第26-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于三维主成分分析网络的极光序列分类 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 理论基础 | 第34-36页 |
| 3.2.1 三维卷积模型 | 第34-35页 |
| 3.2.2 三维主成分分析 | 第35-36页 |
| 3.3 基于三维主成分分析网络的极光序列分类 | 第36-39页 |
| 3.3.1 基于3DPCANet的卷积滤波器层 | 第37-38页 |
| 3.3.2 基于3DPCANet的输出层 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于BRVLBP特征序列3DPCANet的极光序列分类 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 理论基础 | 第44-47页 |
| 4.2.1 动态纹理识别 | 第44-45页 |
| 4.2.2 序列局部二值化模式VLBP | 第45-47页 |
| 4.3 基于BRVLBP特征序列3DPCANet的极光序列分类 | 第47-50页 |
| 4.3.1 基于BRVLBP的极光特征序列提取 | 第47-49页 |
| 4.3.2 基于BRVLBP特征序列3DPCANet的极光序列分类 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |
