首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于大间隔最近邻的度量学习算法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第13-14页
缩略语对照表第14-19页
第一章 绪论第19-31页
    1.1 研究背景及意义第19-21页
    1.2 度量学习的基本原理第21-24页
        1.2.1 马氏距离第21-22页
        1.2.2 度量学习概念第22页
        1.2.3 通用度量学习模型第22-24页
    1.3 度量学习研究现状第24-28页
        1.3.1 无监督度量学习方法第25页
        1.3.2 监督度量学习方法第25-28页
    1.4 研究内容及章节安排第28-31页
第二章 基于复合结构的大间隔最近邻度量学习算法第31-51页
    2.1 引言第31-32页
    2.2 预备知识第32-34页
        2.2.1 相关工作第32-33页
        2.2.2 基于Capped核范数的度量学习算法第33-34页
    2.3 基于复合结构的大间隔最近邻度量学习算法第34-40页
        2.3.1 目标函数第34-35页
        2.3.2 优化方法第35-36页
        2.3.3 收敛性分析第36-40页
    2.4 实验结果与分析第40-49页
        2.4.1 模拟实验第40-41页
        2.4.2 人脸验证第41-45页
        2.4.3 图像分类第45-49页
    2.5 本章小结第49-51页
第三章 基于最大相关熵准则的大间隔最近邻度量学习算法第51-67页
    3.1 引言第51页
    3.2 预备知识第51-52页
        3.2.1 基于重建的大间隔最近邻度量学习算法第51-52页
    3.3 基于最大相关熵准则的大间隔最近邻度量学习算法第52-57页
        3.3.1 目标函数第52-54页
        3.3.2 优化方法第54-57页
        3.3.3 收敛性分析第57页
    3.4 实验结果与分析第57-64页
        3.4.1 真实恶意遮挡第57-60页
        3.4.2 稀疏噪声和连续遮挡第60-61页
        3.4.3 亲属关系验证第61-64页
    3.5 本章小结第64-67页
第四章 基于平滑Wasserstein距离的多层次大间隔最近邻度量学习算法第67-81页
    4.1 引言第67页
    4.2 预备知识第67-69页
        4.2.1 Wasserstein距离第67-68页
        4.2.2 平滑Wasserstein距离第68-69页
    4.3 基于平滑Wasserstein距离的多层次大间隔最近邻度量学习算法第69-72页
        4.3.1 目标函数第69-71页
        4.3.2 优化方法第71-72页
    4.4 实验结果与分析第72-79页
        4.4.1 行人再识别第73-75页
        4.4.2 亲属关系验证第75-76页
        4.4.3 视频分类第76-79页
    4.5 本章小结第79-81页
第五章 基于图正则模型的双层优化大间隔最近邻度量学习算法第81-93页
    5.1 引言第81-82页
    5.2 预备知识第82-83页
        5.2.1 无监督字典学习第82页
        5.2.2 有监督字典学习第82-83页
    5.3 基于图正则模型的双层优化大间隔最近邻度量学习算法第83-89页
        5.3.1 目标函数第83-84页
        5.3.2 优化方法第84-87页
        5.3.3 分类机制第87-88页
        5.3.4 收敛性分析第88页
        5.3.5 单层优化与双层优化第88-89页
    5.4 实验结果与分析第89-92页
        5.4.1 实验设置与对比方法第89-90页
        5.4.2 真实恶意遮挡第90-91页
        5.4.3 稀疏噪声和连续遮挡第91-92页
    5.5 本章小结第92-93页
第六章 总结与展望第93-97页
    6.1 总结第93-94页
    6.2 展望第94-97页
参考文献第97-107页
致谢第107-109页
作者简介第109-112页

论文共112页,点击 下载论文
上一篇:睡眠剥夺和右美托咪定对脑功能影响的影像学研究
下一篇:群结构系统的协同演化动力学研究