首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏表征和自相似性的视觉数据识别关键技术及应用

摘要第5-7页
Abstract第7-9页
第一章 绪论第13-24页
    1.1 研究背景与研究内容第13-15页
    1.2 研究意义及应用前景第15-17页
    1.3 研究现状概述第17-22页
        1.3.1 针对分类的稀疏编码第17-20页
        1.3.2 纹理特征描述第20-22页
    1.4 本文的组织第22-24页
第二章 先备知识第24-48页
    2.1 文中常用概念及符号说明第24-26页
    2.2 稀疏编码及字典学习概述第26-37页
        2.2.1 基于l_0范数的稀疏编码模型与算法第26-28页
        2.2.2 基于l_1范数的稀疏表示模型与算法第28-30页
        2.2.3 字典学习方法第30-32页
        2.2.4 结构化稀疏编码模型与算法第32-36页
        2.2.5 判别稀疏编码技术第36-37页
    2.3 局部模式编码技术第37-43页
        2.3.1 局部二值特征编码第38-41页
        2.3.2 局部三值特征编码第41-43页
    2.4 自相似性和分形几何学第43-48页
        2.4.1 分形与自相似性第43-45页
        2.4.2 间隙度分析第45-48页
第三章 视觉数据集及其应用说明第48-61页
    3.1 稀疏编码实验相关的视觉数据集第48-53页
        3.1.1 稀疏编码实验相关的人脸数据集第48-49页
        3.1.2 稀疏编码实验相关的物体数据集第49-50页
        3.1.3 稀疏编码实验相关的场景数据集第50-52页
        3.1.4 稀疏编码实验相关的行为数据集第52页
        3.1.5 用于识别实验比较的稀疏编码方法第52-53页
    3.2 纹理数据集及其应用说明第53-61页
        3.2.1 静态纹理数据集及其应用说明第53-57页
        3.2.2 动态纹理数据集及其应用说明第57-61页
第四章 基于迭代重加权l_(2,1)最小化的结构化稀疏编码第61-72页
    4.1 本章概述第61-62页
    4.2 加权技术与结构化稀疏编码技术第62-63页
    4.3 基于迭代重加权l_(2,1)范数最小化模型与算法第63-67页
        4.3.1 基于迭代重加权l_(2,1)范数最小化模型RL21-SSC第63-65页
        4.3.2 RL21-SSC模型求解第65-67页
        4.3.3 RL21-SSC方法的分类策略第67页
    4.4 实验对比和分析第67-71页
    4.5 本章总结第71-72页
第五章 基于分类器集成的有监督稀疏编码第72-88页
    5.1 本章概述第72-73页
    5.2 经典有监督稀疏编码方法第73-75页
    5.3 基于集成判别准则的有监督字典学习模型与算法第75-80页
        5.3.1 基于集成判别准则的有监督字典学习模型EasyDL第75-77页
        5.3.2 EasyDL模型求解第77-80页
        5.3.3 EasyDL方法的分类策略第80页
    5.4 实验对比与分析第80-87页
    5.5 总结与结论第87-88页
第六章 基于层次组稀疏性的判别结构化稀疏编码第88-99页
    6.1 本章概述第88-90页
    6.2 基于层次组稀疏性的判别结构化稀疏编码模型与算法第90-93页
        6.2.1 基于层次组稀疏性的判别结构化稀疏编码模型CHILD-DL第90-91页
        6.2.2 CHILD-DL模型求解第91-93页
        6.2.3 CHILD-DL方法的分类策略第93页
    6.3 实验对比与分析第93-98页
    6.4 总结与结论第98-99页
第七章 基于间隙度分析的纹理数据识别第99-116页
    7.1 引言第99-101页
    7.2 相关方法第101-103页
        7.2.1 静态纹理描述第101-102页
        7.2.2 动态纹理描述第102-103页
    7.3 基于间隙度分析的静态纹理描述第103-106页
    7.4 基于间隙度分析的动态纹理刻画第106-109页
        7.4.1 动态纹理切片第107页
        7.4.2 时空局部模式编码第107-108页
        7.4.3 在二值编码图上的间隙度分析第108-109页
        7.4.4 特征集成第109页
    7.5 静态纹理分类实验对比与分析第109-113页
    7.6 动态纹理分类实验对比与分析第113-114页
    7.7 总结与结论第114-116页
总结与展望第116-118页
参考文献第118-126页
附录1 视觉数据识别实验上的稀疏编码方法比较第126-127页
附录2 攻读博士学位期间取得的研究成果第127-128页
致谢第128-129页
附件第129页

论文共129页,点击 下载论文
上一篇:基于有机/无机基底的表面光响应性分子印迹聚合物的制备及其应用研究
下一篇:竞争型城市的形成与塑造研究--以成都市为例