| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究内容及现状 | 第13-16页 |
| 1.3 论文的内容与贡献 | 第16-18页 |
| 1.4 论文组织 | 第18-20页 |
| 第二章 基于增强关系图正则化的图像特征表示 | 第20-37页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于图嵌入的流形降维 | 第21-26页 |
| 2.2.1 基本理论 | 第22-23页 |
| 2.2.2 最大化边缘投影 | 第23-24页 |
| 2.2.3 增强关系嵌入 | 第24-25页 |
| 2.2.4 半监督判别分析 | 第25-26页 |
| 2.3 正则化的增强关系图构造 | 第26-30页 |
| 2.3.1 增强关系图初始化 | 第26-28页 |
| 2.3.2 增强关系图正则化 | 第28-30页 |
| 2.4 实验结果 | 第30-34页 |
| 2.4.1 实验设置 | 第30-31页 |
| 2.4.2 实验分析 | 第31-34页 |
| 2.5 本章小结 | 第34-37页 |
| 第三章 基于增量神经网络结构保持的图像特征表示 | 第37-52页 |
| 3.1 引言 | 第37-40页 |
| 3.2 结构保持的增量式神经网络学习 | 第40-43页 |
| 3.3 基于图的码书学习 | 第43-45页 |
| 3.4 基于子图抽取的编码方法 | 第45页 |
| 3.5 实验结果 | 第45-50页 |
| 3.5.1 实验设置 | 第45-47页 |
| 3.5.2 Caltech-101数据集 | 第47-48页 |
| 3.5.3 Caltech-256数据集 | 第48-49页 |
| 3.5.4 码书学习时间 | 第49-50页 |
| 3.5.5 参数讨论 | 第50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 基于适应性编码与几何平滑汇合的图像特征表示 | 第52-66页 |
| 4.1 引言 | 第52-54页 |
| 4.2 图像分类框架 | 第54-55页 |
| 4.2.1 特征编码 | 第54页 |
| 4.2.2 特征汇合 | 第54-55页 |
| 4.3 基于码书结构增强的适应性编码 | 第55-58页 |
| 4.3.1 码书构造 | 第55-56页 |
| 4.3.2 适应性空间局部编码 | 第56-58页 |
| 4.4 几何平滑汇合策略 | 第58-59页 |
| 4.5 实验结果 | 第59-65页 |
| 4.5.1 实验设置 | 第59-60页 |
| 4.5.2 15个场景数据集 | 第60-62页 |
| 4.5.3 Caltech-101数据集 | 第62-63页 |
| 4.5.4 Caltech-256数据集 | 第63页 |
| 4.5.5 实验讨论 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 总结和展望 | 第66-69页 |
| 5.1 本文工作总结 | 第66-67页 |
| 5.2 下一步研究展望 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 攻读硕士学位期间完成的论文成果 | 第76页 |
| 攻读硕士学位期间完成的发明专利 | 第76页 |
| 攻读硕士学位期间参与的科研课题 | 第76-77页 |
| 致谢 | 第77-78页 |