| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 传统表情识别研究现状 | 第10-11页 |
| 1.2.2 迁移学习研究现状 | 第11-13页 |
| 1.3 基于迁移学习的表情识别 | 第13-15页 |
| 1.4 论文主要工作 | 第15-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 第2章 相关理论基础 | 第17-29页 |
| 2.1 迁移学习理论基础 | 第17-20页 |
| 2.1.1 领域与任务 | 第17-19页 |
| 2.1.2 单源与多源 | 第19-20页 |
| 2.2 稀疏编码理论 | 第20-23页 |
| 2.3 迭代优化算法 | 第23-26页 |
| 2.3.1 K-SVD | 第23-24页 |
| 2.3.2 块坐标下降法 | 第24-26页 |
| 2.4 粒子群优化算法 | 第26-28页 |
| 2.4.1 粒子群优化算法简介 | 第26页 |
| 2.4.2 粒子群优化算法基本理论 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于稀疏编码的单源迁移学习表情识别研究 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 TPCA | 第30-31页 |
| 3.3 稀疏编码及目标函数 | 第31-32页 |
| 3.4 稀疏编码优化过程 | 第32-35页 |
| 3.4.1 在线字典学习 | 第32-34页 |
| 3.4.2 字典更新 | 第34-35页 |
| 3.5 基于稀疏编码的跨领域表情识别方法框图 | 第35-36页 |
| 3.6 实验与结果分析 | 第36-42页 |
| 3.6.1 实验设置 | 第36-38页 |
| 3.6.2 对比实验 | 第38-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于粒子群优化算法的多源迁移学习表情识别研究 | 第43-54页 |
| 4.1 引言 | 第43-44页 |
| 4.2 选择性集成学习方法 | 第44-46页 |
| 4.2.1 SVM | 第44-45页 |
| 4.2.2 选择性集成学习方法 | 第45-46页 |
| 4.3 基于简化粒子群优化算法的集成学习 | 第46-48页 |
| 4.4 基于简化粒子群的多源迁移学习方法框图 | 第48-49页 |
| 4.5 实验与结果分析 | 第49-53页 |
| 4.5.1 实验设置 | 第49-50页 |
| 4.5.2 单源与多源迁移学习在表情识别中的对比实验 | 第50-51页 |
| 4.5.3 基于决策级集成与非集成在多源迁移学习上的对比实验 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 结束语 | 第54-56页 |
| 5.1 研究工作总结 | 第54-55页 |
| 5.2 后续研究工作 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |
