| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 运动目标检测应用的并行优化研究现状 | 第13-14页 |
| 1.2.2 目标识别算法——深度信念网络的并行优化研究现状 | 第14页 |
| 1.2.3 多视图聚类算法的研究现状 | 第14-15页 |
| 1.3 研究内容和研究成果 | 第15-16页 |
| 1.3.1 运动目标检测应用的并行优化研究 | 第15-16页 |
| 1.3.2 目标识别算法——深度信念网络的并行优化研究 | 第16页 |
| 1.3.3 聚类算法在目标识别中的应用研究 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 运动目标检测应用的并行优化研究 | 第18-32页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于背景减除的运动目标检测算法 | 第19-22页 |
| 2.3 并行性分析与并行优化算法 | 第22-27页 |
| 2.3.1 并行性分析 | 第22-23页 |
| 2.3.2 并行优化算法 | 第23-27页 |
| 2.4 实验结果 | 第27-30页 |
| 2.4.1 实验平台 | 第27页 |
| 2.4.2 实验结果 | 第27-29页 |
| 2.4.3 相关工作性能对比 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 目标识别算法——深度信念网络的并行优化研究 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 深度信念网络 | 第33-37页 |
| 3.2.1 限制玻尔兹曼机RBM | 第33-34页 |
| 3.2.2 深度信念网络DBN | 第34-37页 |
| 3.3 并行性分析与并行优化方法 | 第37-45页 |
| 3.4 实验结果 | 第45-47页 |
| 3.4.1 实验平台 | 第45页 |
| 3.4.2 实验结果 | 第45-47页 |
| 3.5 本章小结 | 第47-50页 |
| 第四章 聚类算法在目标识别中的应用研究 | 第50-60页 |
| 4.1 引言 | 第50-51页 |
| 4.2 鲁棒的基于多核学习的多视图聚类算法 | 第51-54页 |
| 4.2.1 问题形式化 | 第51-52页 |
| 4.2.2 优化算法 | 第52-54页 |
| 4.3 讨论 | 第54页 |
| 4.3.1 收敛性分析 | 第54页 |
| 4.3.2 计算复杂度 | 第54页 |
| 4.4 实验结果 | 第54-57页 |
| 4.4.1 对比算法 | 第54-55页 |
| 4.4.2 实验设置 | 第55页 |
| 4.4.3 实验结果 | 第55-57页 |
| 4.4.4 鲁棒性分析 | 第57页 |
| 4.5 本章小结 | 第57-60页 |
| 第五章 结束语 | 第60-61页 |
| 5.1 工作总结 | 第60页 |
| 5.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在学期间取得的学术成果 | 第66页 |
