| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 分类方法概述 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 本文的研究内容及章节安排 | 第18-20页 |
| 第二章 相关理论介绍 | 第20-32页 |
| 2.1 SIFT特征 | 第20-23页 |
| 2.1.1 尺度空间的生成 | 第20-22页 |
| 2.1.2 尺度空间极值点的检测 | 第22-23页 |
| 2.2 随机梯度下降算法 | 第23页 |
| 2.3 坐标轴下降算法 | 第23-25页 |
| 2.4 稀疏编码 | 第25-26页 |
| 2.4.1 向量量化编码 | 第25页 |
| 2.4.2 稀疏编码 | 第25-26页 |
| 2.4.3 局部约束线性编码 | 第26页 |
| 2.5 SVM分类器 | 第26-29页 |
| 2.5.1 SVM分类器简介 | 第26-27页 |
| 2.5.2 SVM分类原理 | 第27-29页 |
| 2.6 本章小结 | 第29-32页 |
| 第三章 基于优化学习的Fisher矢量分类 | 第32-40页 |
| 3.1 引言 | 第32页 |
| 3.2 Fisher矢量编码 | 第32-33页 |
| 3.3 特征编码选择模型 | 第33-36页 |
| 3.3.1 预测标签 | 第33-34页 |
| 3.3.2 目标函数的获取 | 第34-35页 |
| 3.3.3 算法流程 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-39页 |
| 3.4.1 实验仿真环境 | 第36页 |
| 3.4.2 实验内容与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于半非负约束稀疏编码的Fisher矢量分类 | 第40-48页 |
| 4.1 引言 | 第40-41页 |
| 4.2 稀疏的Fisher矢量编码 | 第41-42页 |
| 4.3 半非负约束的稀疏Fisher矢量编码 | 第42-45页 |
| 4.3.1 L1范数和L2范数的联合约束 | 第42-43页 |
| 4.3.2 稀疏约束的非负分解算法 | 第43-45页 |
| 4.3.3 半非负约束的稀疏Fisher矢量 | 第45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.4.1 实验仿真环境 | 第45页 |
| 4.4.2 实验内容与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于约束的嵌入模型零样本学习的分类 | 第48-60页 |
| 5.1 引言 | 第48-49页 |
| 5.2 嵌入模型 | 第49-52页 |
| 5.2.1 双线性联合嵌入 | 第49-50页 |
| 5.2.2 嵌入模型的构建 | 第50-51页 |
| 5.2.3 模型参数的求解 | 第51-52页 |
| 5.3 参数项约束的嵌入模型 | 第52-53页 |
| 5.4 稀疏项约束的嵌入模型 | 第53-55页 |
| 5.5 实验结果与分析 | 第55-58页 |
| 5.5.1 实验仿真环境 | 第55页 |
| 5.5.2 实验内容与分析 | 第55-58页 |
| 5.6 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |