| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 课题来源 | 第16页 |
| 1.2 研究背景和意义 | 第16-18页 |
| 1.3 国内外研究现状分析 | 第18-27页 |
| 1.3.1 超限学习机研究现状 | 第18-21页 |
| 1.3.2 多模态融合研究现状 | 第21-26页 |
| 1.3.3 物体材质分类研究现状 | 第26-27页 |
| 1.4 论文主要工作和结构安排 | 第27-30页 |
| 1.4.1 论文主要工作 | 第27页 |
| 1.4.2 论文结构安排 | 第27-30页 |
| 第2章 基础理论介绍 | 第30-38页 |
| 2.1 超限学习机 | 第30-33页 |
| 2.1.1 超限学习机原理 | 第30-32页 |
| 2.1.2 与BP神经网络比较 | 第32-33页 |
| 2.2 基于局部感受野的超限学习机 | 第33-36页 |
| 2.2.1 基于局部感受野的超限学习机理论 | 第33-36页 |
| 2.2.2 与CNN网络比较 | 第36页 |
| 2.3 本章小结 | 第36-38页 |
| 第3章 基于局部感受野的超限学习机的三通道算法 | 第38-50页 |
| 3.1 改进思想来源 | 第38页 |
| 3.2 基于局部感受野的超限学习机的三通道算法 | 第38-41页 |
| 3.3 实验准备阶段 | 第41-44页 |
| 3.3.1 ADL纹理数据集 | 第41-42页 |
| 3.3.2 实验设置 | 第42-44页 |
| 3.4 算法有效性验证 | 第44-49页 |
| 3.4.1 数据分析 | 第44-45页 |
| 3.4.2 实验分类准确率 | 第45-47页 |
| 3.4.3 复杂性分析 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于多尺度局部感受野的超限学习机算法 | 第50-60页 |
| 4.1 改进思想来源 | 第50页 |
| 4.2 基于多尺度局部感受野的超限学习机算法 | 第50-53页 |
| 4.3 实验准备阶段 | 第53-55页 |
| 4.3.1 ALOT纹理数据集 | 第53-55页 |
| 4.3.2 实验设置 | 第55页 |
| 4.4 算法有效性验证 | 第55-58页 |
| 4.4.1 实验分类准确率 | 第55-56页 |
| 4.4.2 复杂性分析 | 第56-57页 |
| 4.4.3 时间代价 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 基于多尺度局部感受野的超限学习机多模态融合算法 | 第60-78页 |
| 5.1 改进思想来源 | 第60页 |
| 5.2 基于多尺度局部感受野的超限学习机的多模态融合算法 | 第60-67页 |
| 5.3 实验准备阶段 | 第67-71页 |
| 5.3.1 TUM触觉纹理数据集 | 第67-68页 |
| 5.3.2 视觉/触觉数据处理 | 第68-69页 |
| 5.3.3 实验设置 | 第69-71页 |
| 5.4 算法有效性验证 | 第71-77页 |
| 5.4.1 实验分类准确率 | 第71-74页 |
| 5.4.2 时间代价 | 第74-75页 |
| 5.4.3 混淆矩阵 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 研究展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间的研究成果 | 第88页 |