基于机器学习的图像识别研究与应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景与研究意义 | 第11-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 图像识别与机器学习 | 第17-38页 |
| 2.1 图像识别 | 第17-18页 |
| 2.2 特征提取 | 第18-23页 |
| 2.2.1 颜色特征 | 第18-20页 |
| 2.2.2 形状特征 | 第20-21页 |
| 2.2.3 纹理特征 | 第21-23页 |
| 2.3 机器学习 | 第23-26页 |
| 2.3.1 发展历程 | 第23-24页 |
| 2.3.2 神经网络 | 第24-26页 |
| 2.4 支持向量机模型 | 第26-31页 |
| 2.4.1 分类面 | 第27-28页 |
| 2.4.2 线性分类 | 第28-29页 |
| 2.4.3 非线性分类 | 第29-30页 |
| 2.4.4 核函数 | 第30-31页 |
| 2.5 深度学习模型 | 第31-38页 |
| 2.5.1 受限玻尔兹曼机 | 第31-33页 |
| 2.5.2 自动编码器 | 第33-35页 |
| 2.5.3 卷积神经网络 | 第35-38页 |
| 第三章 基于支持向量机的图像识别 | 第38-47页 |
| 3.1 支持向量机原理 | 第38-40页 |
| 3.2 多分类器构造 | 第40-42页 |
| 3.3 特征融合 | 第42-43页 |
| 3.4 相关实验 | 第43-45页 |
| 3.4.1 实验环境 | 第43-44页 |
| 3.4.2 实验过程 | 第44-45页 |
| 3.4.3 实验结果 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于人工神经网络的图像识别 | 第47-58页 |
| 4.1 人工神经网络原理 | 第47-49页 |
| 4.2 节点数和层数设计 | 第49-50页 |
| 4.3 初始权值设计 | 第50-54页 |
| 4.4 相关实验 | 第54-57页 |
| 4.4.1 实验环境 | 第54页 |
| 4.4.2 实验过程 | 第54-55页 |
| 4.4.3 实验结果 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于卷积神经网络的图像识别 | 第58-73页 |
| 5.1 卷积神经网络原理 | 第58-60页 |
| 5.2 模型设计 | 第60-65页 |
| 5.2.1 输入输出层 | 第60-61页 |
| 5.2.2 卷积层和池化层 | 第61-64页 |
| 5.2.3 全连接层 | 第64-65页 |
| 5.3 激活函数设计 | 第65-68页 |
| 5.4 相关实验 | 第68-72页 |
| 5.4.1 实验环境 | 第68-69页 |
| 5.4.2 实验过程 | 第69-70页 |
| 5.4.3 实验结果 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间科研项目 | 第80-81页 |
| 致谢 | 第81-82页 |
