| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 论文组织结构 | 第10-11页 |
| 第2章 张量与张量分解 | 第11-25页 |
| 2.1 张量基本知识 | 第11-17页 |
| 2.1.1 张量的发展 | 第11页 |
| 2.1.2 张量的数学表示方法 | 第11-13页 |
| 2.1.3 张量的基本运算 | 第13-17页 |
| 2.2 张量分解 | 第17-24页 |
| 2.2.1 张量分解的概念和意义 | 第17-18页 |
| 2.2.2 张量的CP分解 | 第18-20页 |
| 2.2.3 张量的Tucker分解 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 视频序列时域分析方法 | 第25-34页 |
| 3.1 基本时间序列模型 | 第25-28页 |
| 3.1.1 自回归模型 | 第26页 |
| 3.1.2 滑动平均模型 | 第26-27页 |
| 3.1.3 自回归滑动平均模型 | 第27页 |
| 3.1.4 自回归移动平均模型 | 第27-28页 |
| 3.2 时域关联模型 | 第28-33页 |
| 3.2.1 尤利-沃克(Yule-Walker)方程介绍 | 第28-29页 |
| 3.2.2 求解尤利-沃克(Yule-Walker)方程 | 第29-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于张量时域关联模型的视频序列分类算法设计 | 第34-52页 |
| 4.1 传统基于张量的动作识别算法的局限性 | 第34-35页 |
| 4.2 流行、夹角和距离测量 | 第35-39页 |
| 4.2.1 流行 | 第36-37页 |
| 4.2.2 夹角的概念 | 第37-38页 |
| 4.2.3 距离的度量 | 第38-39页 |
| 4.3 基于张量时域关联模型的视频序列分类算法设计 | 第39-45页 |
| 4.4 实验结果及分析 | 第45-51页 |
| 4.4.1 数据库介绍 | 第45-46页 |
| 4.4.2 实验结果及分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 未来工作展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
