Bayesian网及其在图像分析中的应用研究
摘要 | 第1-9页 |
ABSTRACT | 第9-14页 |
表格清单 | 第14-16页 |
插图清单 | 第16-18页 |
第一章 绪论 | 第18-26页 |
·人工智能中的概率方法 | 第18-20页 |
·Bayesian网的发展 | 第20-22页 |
·Bayesian网的构造 | 第20-21页 |
·Bayesian网的推理 | 第21页 |
·Bayesian网的应用 | 第21-22页 |
·国内的研究工作 | 第22页 |
·本文的研究工作与内容及安排 | 第22-26页 |
第二章 Bayesian网及其推理技术 | 第26-42页 |
·引言 | 第26页 |
·Bayesian网原理 | 第26-28页 |
·Bayesian网的条件独立性 | 第28-29页 |
·Bayesian网的推理算法 | 第29-37页 |
·Bayesian网的精确推理算法 | 第31-36页 |
·Bayesian网的近似推理算法 | 第36-37页 |
·Bayesian网的推理实例 | 第37-40页 |
·本章小结 | 第40-42页 |
第三章 Bayesian网的构造 | 第42-60页 |
·引言 | 第42页 |
·Bayesian网的结构学习 | 第42-47页 |
·最小描述长度 | 第43-44页 |
·混合遗传算法 | 第44-47页 |
·Rudimentary结构等价性及其应用研究 | 第47-53页 |
·Rudimentary结构 | 第48-49页 |
·Rudimentary结构等价性 | 第49-51页 |
·实验结果及分析 | 第51-53页 |
·Bayesian网的参数学习 | 第53-56页 |
·单变量的概率估计 | 第53-54页 |
·条件概率估计 | 第54-56页 |
·基于模型的诊断系统转化为Bayesian网 | 第56-59页 |
·基于模型的诊断系统 | 第56-57页 |
·由基于模型的诊断系统到Bayesian网的转换 | 第57-59页 |
·本章小结 | 第59-60页 |
第四章 变异Bayesian网研究 | 第60-76页 |
·引言 | 第60页 |
·图模型介绍 | 第60-63页 |
·Noisy-OR模型概述 | 第63-68页 |
·常用的Noisy-OR模型 | 第64-66页 |
·Noisy-OR模型与Bayesian网的关系 | 第66-68页 |
·变异Bayesian网研究 | 第68-75页 |
·变异Bayesian网 | 第69-71页 |
·变异Bayesian网的应用实例 | 第71-75页 |
·本章小结 | 第75-76页 |
第五章 基于Bayesian网的文本检测定位 | 第76-98页 |
·引言 | 第76页 |
·文本检测定位 | 第76-80页 |
·文本检测的研究现状 | 第77-80页 |
·文本检测的应用 | 第80页 |
·变异直方图 | 第80-83页 |
·灰度直方图 | 第80-81页 |
·颜色直方图 | 第81-82页 |
·变异灰度直方图 | 第82-83页 |
·基于子图像VGH的文本检测 | 第83-89页 |
·子图像的变异灰度直方图 | 第84页 |
·子图像VGH的文本检测算法 | 第84-86页 |
·基于子图像VGH的文本检测定位算法 | 第86-88页 |
·实验与结果分析 | 第88-89页 |
·基于Bayesian网的文本检测 | 第89-97页 |
·文本检测中的不确定性问题 | 第89-90页 |
·文本测Bayesian网 | 第90-93页 |
·文本检测Bayesisn网的推理 | 第93页 |
·算法流程描述 | 第93-95页 |
·实验与结果分析 | 第95-97页 |
·本章小结 | 第97-98页 |
第六章 基于Bayesian网的人脸检测定位研究 | 第98-118页 |
·引言 | 第98-99页 |
·人脸检测定位方法概述 | 第99-101页 |
·基于Bayesian网的人脸检测与定位方法 | 第101-114页 |
·基于肩线检测定位人脸区域 | 第102-108页 |
·基于分级阈值分割的人脸器官检测定位 | 第108-114页 |
·实验结果 | 第114-116页 |
·本章小结 | 第116-118页 |
第七章 总结与展望 | 第118-120页 |
·本文工作的总结 | 第118-119页 |
·进一步的研究工作 | 第119-120页 |
参考文献 | 第120-134页 |
科研项目 | 第134页 |
学术活动 | 第134-136页 |
攻读博士学位期间发表的学术论文(含已录用) | 第136-137页 |