视像概念检测中在线学习算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 概述 | 第13-32页 |
| ·研究目的、意义及背景 | 第13-15页 |
| ·机器学习简介 | 第15-18页 |
| ·学习系统的组成 | 第16页 |
| ·常见学习算法 | 第16-17页 |
| ·在线学习问题 | 第17-18页 |
| ·基于内容的视像概念检测 | 第18-25页 |
| ·研究现状概述 | 第19-20页 |
| ·主要研究难点 | 第20-21页 |
| ·影响概念分类的几个因素 | 第21-24页 |
| ·基本问题归纳 | 第24-25页 |
| ·在线学习模型更新算法 | 第25-29页 |
| ·启发式策略 | 第25-27页 |
| ·多分类器方法 | 第27-28页 |
| ·其他策略 | 第28页 |
| ·小结 | 第28-29页 |
| ·本文的研究重点和主要贡献 | 第29-30页 |
| ·论文的组织 | 第30-32页 |
| 第2章 一个实用的在线体育视像场景检测算法 | 第32-53页 |
| ·相关工作介绍 | 第33-34页 |
| ·OLSVA算法的主要贡献 | 第34-35页 |
| ·棒球视像的鲁棒特征提取 | 第35-36页 |
| ·一个监督学习的基线系统 | 第36-38页 |
| ·OLSVA算法 | 第38-44页 |
| ·OLSVA算法流程 | 第38-41页 |
| ·OLSVA实验和分析 | 第41-44页 |
| ·OLSVA总结与讨论 | 第44页 |
| ·OLSVA2算法 | 第44-50页 |
| ·OLSVA2算法流程 | 第44-48页 |
| ·OLSVA2实验和分析 | 第48-50页 |
| ·OLSVA2总结与讨论 | 第50页 |
| ·本章总结和讨论 | 第50-53页 |
| ·本章小结 | 第50-51页 |
| ·讨论 | 第51-53页 |
| 第3章 基于FMM的模型序列的度量 | 第53-68页 |
| ·研究动机 | 第53-54页 |
| ·问题形式化 | 第54-56页 |
| ·度量指标定义 | 第56-63页 |
| ·静态分量属性 | 第57-58页 |
| ·动态分量属性 | 第58-60页 |
| ·全局模型属性 | 第60-61页 |
| ·度量指标小结 | 第61-63页 |
| ·现实世界的例子 | 第63-67页 |
| ·TRECVID数据集 | 第63-65页 |
| ·几个实际例子 | 第65-67页 |
| ·本章小结和讨论 | 第67-68页 |
| 第4章 多时间粒度的在线学习算法 | 第68-99页 |
| ·研究动机 | 第68-69页 |
| ·视像序列的时间粒度 | 第69-74页 |
| ·两类时间粒度 | 第69-71页 |
| ·非语义结构的时间粒度 | 第71-73页 |
| ·多粒度地观测语义概念 | 第73-74页 |
| ·MGA算法 | 第74-82页 |
| ·本地缓冲池 | 第74-75页 |
| ·分类器选择策略 | 第75-79页 |
| ·基于自适应权值的分类器融合 | 第79-81页 |
| ·总结与讨论 | 第81-82页 |
| ·MGA实验 | 第82-95页 |
| ·基本实验环境 | 第82-83页 |
| ·MGA算法比较 | 第83-87页 |
| ·数据稳定性分析 | 第87-91页 |
| ·概念的观测粒度 | 第91-95页 |
| ·本章小结与讨论 | 第95-99页 |
| 第5章 在线优化的增量学习算法 | 第99-124页 |
| ·OOIL概述 | 第99-102页 |
| ·研究动机 | 第99-100页 |
| ·基本环境设置 | 第100-101页 |
| ·主要符号定义 | 第101-102页 |
| ·OOIL算法 | 第102-112页 |
| ·全局模型的预训练 | 第103页 |
| ·本地自适应 | 第103-107页 |
| ·在线分类 | 第107页 |
| ·全局模型的增量更新 | 第107-112页 |
| ·OOIL参数设置 | 第112-115页 |
| ·参数设置的基本原则 | 第112-113页 |
| ·基于度量的参数设置 | 第113-115页 |
| ·实验与讨论 | 第115-123页 |
| ·实验一:模拟数据 | 第116-119页 |
| ·实验二:体育视像数据集 | 第119-120页 |
| ·实验三:TRECVID数据集 | 第120-123页 |
| ·本章小结 | 第123-124页 |
| 第6章 结论 | 第124-126页 |
| 参考文献 | 第126-133页 |
| 致谢 | 第133-134页 |
| 附录A 常见的评价指标 | 第134-137页 |
| A.1 查准率,查全率 | 第134页 |
| A.2 分类错误数和分类错误率 | 第134-135页 |
| A.3 F度量和F1度量 | 第135-136页 |
| A.4 平均准确率(AP) | 第136-137页 |
| 附录B OLSVA2算法模型池跟踪过程 | 第137-138页 |
| 附录C TRECVID数据集 | 第138-141页 |
| C.1 预先标注的20个语义概念 | 第138-139页 |
| C.2 MGA实验的数据预处理 | 第139-140页 |
| C.3 历年数据规模和增长趋势 | 第140-141页 |
| 附录D 高斯分量漂移的进一步分析 | 第141-144页 |
| 附录E 数据稳定性与系统稳定性 | 第144-145页 |
| 附录F MGA算法实际融合的分类器数 | 第145-147页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第147-148页 |
