| 摘要 | 第10-12页 |
| abstract | 第12-13页 |
| 第1章 引言 | 第14-20页 |
| 1.1 特征工程在图像识别中的作用 | 第14-16页 |
| 1.2 核方法在图像特征表达中的作用 | 第16-17页 |
| 1.3 研究成果 | 第17-19页 |
| 1.4 章节安排 | 第19-20页 |
| 第2章 核方法概述及多核方法研究现状 | 第20-42页 |
| 2.1 多核学习基本原理与模型 | 第20-21页 |
| 2.2 常见类型的核方法 | 第21-33页 |
| 2.2.1 核回归 | 第21-22页 |
| 2.2.2 核主成分分析(KPCA) | 第22-24页 |
| 2.2.3 用于分类的稀疏核方法SVM | 第24-25页 |
| 2.2.4 用于回归的稀疏核方法SVM | 第25-27页 |
| 2.2.5 用于分类的稀疏核方法RVM | 第27-28页 |
| 2.2.6 高斯过程用于回归问题 | 第28-30页 |
| 2.2.7 高斯过程用于分类问题 | 第30-32页 |
| 2.2.8 多核机器学习算法 | 第32-33页 |
| 2.3 多核学习算法研究现状 | 第33-39页 |
| 2.3.1 固定规则法和启发式方法 | 第34-35页 |
| 2.3.2 基于优化的方法 | 第35-38页 |
| 2.3.3 基于贝叶斯法推断的方法 | 第38-39页 |
| 2.3.4 基于boosting的方法 | 第39页 |
| 2.4 多核学习算法在图像识别中的应用 | 第39-42页 |
| 第3章 多核相似性学习及其在亲属关系识别中的应用 | 第42-68页 |
| 3.1 引言 | 第42-44页 |
| 3.2 相关工作 | 第44-47页 |
| 3.2.1 亲属关系验证 | 第44-45页 |
| 3.2.2 常用特征 | 第45-46页 |
| 3.2.3 基于学习的方法 | 第46-47页 |
| 3.3 提出的多核相似度方法 | 第47-53页 |
| 3.3.1 问题形式化 | 第47-49页 |
| 3.3.2 基于多核的相似性度量学习 | 第49-52页 |
| 3.3.3 调整参数用于特征选择 | 第52-53页 |
| 3.4 实验结果与分析 | 第53-67页 |
| 3.4.1 数据集与实验设置 | 第54-55页 |
| 3.4.2 与现有方法的比较 | 第55-61页 |
| 3.4.3 超参数分析 | 第61-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第4章 基于最大化核间距的两阶段多核学习算法 | 第68-88页 |
| 4.1 引言 | 第68-70页 |
| 4.2 相关工作 | 第70-72页 |
| 4.2.1 二分类问题多核学习算法的基本框架 | 第70-71页 |
| 4.2.2 基于中心化核对齐的两阶段多核学习算法 | 第71页 |
| 4.2.3 基于多分类核间距最大化的两阶段多核学习算法 | 第71-72页 |
| 4.3 提出的方法 | 第72-73页 |
| 4.3.1 基于k近邻的多分类核间距法(MCKM-kNN) | 第72-73页 |
| 4.3.2 基于稀疏表达的多分类核间距法(MCKM-SR) | 第73页 |
| 4.4 实验结果 | 第73-87页 |
| 4.4.1 数据集和实验设置 | 第73-75页 |
| 4.4.2 在UCI数据集上的实验结果 | 第75-76页 |
| 4.4.3 在多核学习基准数据集上的结果 | 第76-78页 |
| 4.4.4 在图像数据集上分类细节 | 第78-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第5章 基于核方法的多特征融合手势检测与识别方法研究 | 第88-120页 |
| 5.1 引言 | 第88-90页 |
| 5.2 手部检测相关研究 | 第90-92页 |
| 5.3 所提出的肤色增强特征 | 第92-98页 |
| 5.3.1 肤色隶属度图 | 第92-93页 |
| 5.3.2 肤色增强的Haar-like特征 | 第93-95页 |
| 5.3.3 肤色增强的HOG特征 | 第95-98页 |
| 5.4 基于多特征融合的三层检测模型 | 第98-101页 |
| 5.4.1 基于SVMLR的后特征融合方案 | 第98-100页 |
| 5.4.2 基于Softmax模型和多特征融合的最终决策 | 第100-101页 |
| 5.5 基于级联Softmax的多分类模型 | 第101-105页 |
| 5.5.1 使用Softmax级联结构进行手部检测 | 第101-103页 |
| 5.5.2 使用核softmax回归实现精确决策 | 第103-105页 |
| 5.5.3 为级联层设计不同分辨率的HOG特征 | 第105页 |
| 5.6 实验数据集和若干评价指标介绍 | 第105-106页 |
| 5.7 基于分层模型的实验结果和结果分析 | 第106-112页 |
| 5.7.1 肤色增强Haar-like特征的有效性评估 | 第107-108页 |
| 5.7.2 肤色增强HOG特征的有效性评估 | 第108-110页 |
| 5.7.3 Softmax分类层的有效性评估 | 第110-112页 |
| 5.8 级联Softmax模型的实验结果和结果分析 | 第112-119页 |
| 5.8.1 改编Softmax分类器SftB的有效性评估 | 第113-115页 |
| 5.8.2 所提出的级联分类方案的有效性评估 | 第115-118页 |
| 5.8.3 KernelizedSoftmax的性能评估 | 第118-119页 |
| 5.9 本章小结 | 第119-120页 |
| 第6章 总结与展望 | 第120-124页 |
| 6.1 工作总结 | 第120-121页 |
| 6.2 研究展望 | 第121-124页 |
| 参考文献 | 第124-136页 |
| 致谢 | 第136-138页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第138-139页 |
