用于机器学习中图像识别的虚拟样本算法研究及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要内容及章节结构 | 第14-16页 |
| 第二章 基于机器学习的图像识别方法 | 第16-32页 |
| 2.1 图像识别的基本流程 | 第16-17页 |
| 2.2 机器学习识别算法理论基础 | 第17-27页 |
| 2.2.1 支持向量机 | 第17-20页 |
| 2.2.2 神经网络模型 | 第20-21页 |
| 2.2.3 传统神经网络的缺陷 | 第21-22页 |
| 2.2.4 深度置信网络 | 第22-27页 |
| 2.3 特征提取与降维 | 第27-30页 |
| 2.3.1 主成分分析 | 第27-28页 |
| 2.3.2 局部二元模式 | 第28-30页 |
| 2.4 实验结果与分析 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 图像识别中的虚拟样本算法研究 | 第32-52页 |
| 3.1 构建虚拟样本算法依据 | 第32-35页 |
| 3.1.1 虚拟样本相关基础 | 第32页 |
| 3.1.2 评判虚拟样本 | 第32-35页 |
| 3.2 基于虚拟样本算法构建图像 | 第35-41页 |
| 3.2.1 基于重采样法构建虚拟图像 | 第35-37页 |
| 3.2.2 基于奇异值重构法构建虚拟图像 | 第37-38页 |
| 3.2.3 基于轮廓波重构法构建虚拟图像 | 第38-41页 |
| 3.3 实验结果与分析 | 第41-51页 |
| 3.3.1 重采样虚拟样本参数选择 | 第41-43页 |
| 3.3.2 奇异值重构虚拟样本参数选择 | 第43-45页 |
| 3.3.3 轮廓波重构虚拟样本参数选择 | 第45-48页 |
| 3.3.4 虚拟样本有效性对比实验 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 虚拟样本的应用研究 | 第52-70页 |
| 4.1 应用虚拟样本的人脸图像识别 | 第52-59页 |
| 4.1.1 人脸图像识别方法介绍 | 第52-53页 |
| 4.1.2 常用人脸图像数据库 | 第53-55页 |
| 4.1.3 人脸识别实验与分析 | 第55-58页 |
| 4.1.4 添加不同比例虚拟样本对识别结果的影响 | 第58-59页 |
| 4.2 应用虚拟样本的SAR图像识别 | 第59-61页 |
| 4.2.1 对SAR图像识别添加虚拟样本的必要性 | 第59-60页 |
| 4.2.2 本文SAR图像识别方法 | 第60页 |
| 4.2.3 数据源 | 第60-61页 |
| 4.3 实验结果与分析 | 第61-68页 |
| 4.3.1 重采样虚拟样本实验结果 | 第62-63页 |
| 4.3.2 奇异值重构虚拟样本实验结果 | 第63-65页 |
| 4.3.3 轮廓波重构虚拟样本实验结果 | 第65-67页 |
| 4.3.4 实验总结分析 | 第67-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-73页 |
| 5.1 本文主要工作 | 第70-71页 |
| 5.2 本文主要创新点 | 第71页 |
| 5.3 进一步工作展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
