| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与章节安排 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 章节安排 | 第15-17页 |
| 第2章 星系形态分类标准 | 第17-23页 |
| 2.1 目视分类系统 | 第17-18页 |
| 2.2 模型化分类系统 | 第18页 |
| 2.3 非模型化分类系统 | 第18-19页 |
| 2.4 星系动物园决策树 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 深度卷积神经网络 | 第23-35页 |
| 3.1 深度卷积神经网络简介 | 第23-27页 |
| 3.1.1 前馈神经网络 | 第23-26页 |
| 3.1.2 深度卷积神经网络 | 第26-27页 |
| 3.2 LeNet5 | 第27-28页 |
| 3.3 AlexNet | 第28-29页 |
| 3.4 VGG | 第29-30页 |
| 3.5 Google Inception | 第30-31页 |
| 3.6 ResNet | 第31-33页 |
| 3.7 本章小结 | 第33-35页 |
| 第4章 ResNet-26网络结构设计与实验结果分析 | 第35-51页 |
| 4.1 网络结构设计 | 第35-37页 |
| 4.2 数据集选取 | 第37-40页 |
| 4.3 数据预处理 | 第40-41页 |
| 4.4 实验结果及分析 | 第41-49页 |
| 4.4.1 实验评价指标 | 第41-42页 |
| 4.4.2 超参数选择 | 第42-47页 |
| 4.4.3 不同网络模型分类性能对比 | 第47-49页 |
| 4.4.4 实验环境 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 星系图像表征与结果分析 | 第51-63页 |
| 5.1 T分布随机近邻嵌入(t-SNE) | 第51-52页 |
| 5.2 星系图像数据集的t-SNE可视化及分析 | 第52-53页 |
| 5.3 星系形态分类模型的t-SNE可视化及分析 | 第53-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 附录 | 第65-67页 |
| 参考文献 | 第67-73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73-75页 |
| 致谢 | 第75-76页 |