| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 场景分类研究背景和意义 | 第8-9页 |
| 1.2 场景分类研究现状 | 第9-14页 |
| 1.2.1 基于底层视觉特征的场景分类 | 第10-11页 |
| 1.2.2 基于中级语义建模的场景分类 | 第11页 |
| 1.2.3 基于高级语义信息的场景分类 | 第11-12页 |
| 1.2.4 基于深度特征学习的场景分类 | 第12-14页 |
| 1.3 研究内容和研究成果 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 卷积神经网络概述 | 第16-24页 |
| 2.1 神经网络 | 第16-20页 |
| 2.1.1 神经网络模型 | 第16-18页 |
| 2.1.2 反向传播算法 | 第18-20页 |
| 2.2 网络参数 | 第20-21页 |
| 2.2.1 学习率 | 第20页 |
| 2.2.2 激活函数 | 第20页 |
| 2.2.3 初始权值 | 第20-21页 |
| 2.2.4 隐含层 | 第21页 |
| 2.2.5 正则化 | 第21页 |
| 2.3 卷积神经网络 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于自适应学习率的卷积神经网络场景分类 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 相关工作 | 第24-26页 |
| 3.3 本章网络模型 | 第26-29页 |
| 3.3.1 新的自适应学习率 | 第27-28页 |
| 3.3.2 自适应样本训练 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-37页 |
| 3.4.1 实验环境和数据库 | 第29-30页 |
| 3.4.2 实验分析 | 第30-35页 |
| 3.4.3 与其它算法实验结果比较 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于Fisher特征分析的卷积神经网络场景分类 | 第38-54页 |
| 4.1 引言 | 第38-39页 |
| 4.2 相关工作 | 第39-40页 |
| 4.3 Fisher判别分析 | 第40-45页 |
| 4.3.1 判别准则 | 第41-42页 |
| 4.3.2 判别函数系数 | 第42-44页 |
| 4.3.3 判别函数 | 第44页 |
| 4.3.4 图像分类中的应用 | 第44-45页 |
| 4.4 基于Fisher特征分析的卷积网络场景分类 | 第45-48页 |
| 4.4.1 图像低维特征的学习 | 第46-47页 |
| 4.4.2 基于低维特征的Fisher判别分类 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-52页 |
| 4.5.1 实验环境和数据库 | 第49-50页 |
| 4.5.2 实验分析 | 第50-51页 |
| 4.5.3 与其它算法实验结果比较 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 硕士期间发表的论文和参与的科研项目 | 第62-63页 |
| 一、发表的的学术论文 | 第62页 |
| 二、参与的科研项目 | 第62-63页 |
| 致谢 | 第63-64页 |