| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略名词索引 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 本文的研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本论文的结构安排 | 第15-18页 |
| 第二章 图像分类模型 | 第18-32页 |
| 2.1 Bag of Feature模型 | 第18-20页 |
| 2.1.1 Bag of Words模型简介 | 第18-19页 |
| 2.1.2 图像分类中的BOF模型 | 第19-20页 |
| 2.2 SPM模型 | 第20-22页 |
| 2.3 图像分类模型中的相关算法 | 第22-31页 |
| 2.3.1 SIFT特征提取方法 | 第22-24页 |
| 2.3.2 K-means聚类算法构建视觉字典 | 第24-26页 |
| 2.3.3 支持向量机算法 | 第26-30页 |
| 2.3.4 Pooling方法 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于弹性网稀疏编码算法的图像分类模型 | 第32-36页 |
| 3.1 稀疏编码算法 | 第32-33页 |
| 3.2 弹性网稀疏编码算法 | 第33-35页 |
| 3.3 基于弹性网稀疏编码算法的图像分类模型 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于非负弹性网稀疏编码算法的图像分类模型 | 第36-43页 |
| 4.1 非负稀疏编码算法 | 第36-38页 |
| 4.1.1 非负矩阵分解算法 | 第36-37页 |
| 4.1.2 非负稀疏编码算法 | 第37-38页 |
| 4.2 非负弹性网稀疏编码算法 | 第38-42页 |
| 4.2.1 字典的更新 | 第39-40页 |
| 4.2.2 编码系数的更新 | 第40-42页 |
| 4.3 基于非负弹性网稀疏编码算法的图像分类模型 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验结果及其分析 | 第43-51页 |
| 5.1 算法的复杂度分析 | 第43页 |
| 5.2 实验常用的图像库介绍 | 第43-46页 |
| 5.2.1 15-Scence图像库 | 第43-44页 |
| 5.2.2 Caltech-101 图像库 | 第44-45页 |
| 5.2.3 Caltech-256 图像库 | 第45页 |
| 5.2.4 UIUC-Sports图像库 | 第45-46页 |
| 5.3 实验设置 | 第46页 |
| 5.4 实验结果与分析 | 第46-50页 |
| 5.4.1 15-Scence图像库上的实验结果与分析 | 第46-47页 |
| 5.4.2 Caltech-101 图像库上的实验结果与分析 | 第47-48页 |
| 5.4.3 Caltech-256 图像库上的实验结果与分析 | 第48-49页 |
| 5.4.4 UIUC-Sports图像库上的实验结果与分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 全文总结与展望 | 第51-52页 |
| 6.1 全文总结 | 第51页 |
| 6.2 后续工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间取得的成果 | 第57-58页 |
