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 |