| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文组织结构安排 | 第15-17页 |
| 第二章 不平衡学习与运动目标检测 | 第17-28页 |
| 2.1 类不平衡问题概述 | 第17-18页 |
| 2.2 不平衡数据的分类学习 | 第18-22页 |
| 2.2.1 数据层面的不平衡学习方法 | 第18-21页 |
| 2.2.2 算法层面的不平衡学习方法 | 第21页 |
| 2.2.3 不平衡学习的评价标准 | 第21-22页 |
| 2.3 运动目标检测中的类不平衡问题 | 第22-24页 |
| 2.4 数据不平衡角度下的运动目标检测 | 第24-26页 |
| 2.4.1 不平衡角度下的统计建模方法 | 第24-25页 |
| 2.4.2 过采样角度下的建模方法 | 第25-26页 |
| 2.4.3 下采样角度下的建模方法 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于重采样策略的运动目标检测研究 | 第28-53页 |
| 3.1 时空过采样(SOS) | 第29-35页 |
| 3.1.1 时间过采样 | 第30-32页 |
| 3.1.2 空间过采样 | 第32-35页 |
| 3.2 选择性下采样(SDS) | 第35-40页 |
| 3.2.1 帧间差分法 | 第36-37页 |
| 3.2.2 选择性下采样 | 第37-40页 |
| 3.3 构建双类分类模型 | 第40-42页 |
| 3.3.1 核密度估计(KDE) | 第40-41页 |
| 3.3.2 双类分类模型 | 第41-42页 |
| 3.4 仿真实验与结果分析 | 第42-52页 |
| 3.4.1 实验参数设置 | 第42-46页 |
| 3.4.2 对比实验分析 | 第46-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于代价敏感学习的运动目标检测 | 第53-65页 |
| 4.1 MAP-MRF框架 | 第53-56页 |
| 4.1.1 背景建模 | 第53-54页 |
| 4.1.2 前景建模 | 第54-55页 |
| 4.1.3 MAP-MRF检测框架 | 第55-56页 |
| 4.2 代价敏感分类 | 第56-59页 |
| 4.2.1 非常数代价矩阵构建 | 第56-58页 |
| 4.2.2 基于代价敏感的MAP-MRF检测模型 | 第58-59页 |
| 4.3 基于代价敏感学习的运动目标检测算法实验与分析 | 第59-63页 |
| 4.3.1 实验参数设置 | 第59-60页 |
| 4.3.2 对比实验分析 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 全文总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 后续工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |