| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 引言 | 第14-16页 |
| 1.2 建筑风格数据集 | 第16页 |
| 1.3 论文主要研究工作 | 第16-17页 |
| 1.4 论文结构 | 第17-20页 |
| 第二章 图像分类算法与神经网络 | 第20-36页 |
| 2.1 目标检测算法 | 第20-21页 |
| 2.2 半监督的图像分类算法 | 第21-27页 |
| 2.2.1 EP算法的无监督特征学习过程 | 第22-24页 |
| 2.2.2 EP算法的有监督图像分类过程 | 第24-27页 |
| 2.3 BP神经网络 | 第27-31页 |
| 2.3.1 神经元 | 第27-28页 |
| 2.3.2 BP算法原理 | 第28-31页 |
| 2.4 卷积神经网络 | 第31-35页 |
| 2.4.1 卷积神经网络结构 | 第31-35页 |
| 2.4.2 卷积神经网络训练过程 | 第35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于SEP算法的建筑风格图像分类 | 第36-46页 |
| 3.1 EP算法的分析 | 第36-37页 |
| 3.2 SEP算法 | 第37-40页 |
| 3.3 实验结果与分析 | 第40-44页 |
| 3.3.1 EP算法对十类建筑风格数据集分类 | 第40-41页 |
| 3.3.2 SEP算法对十类建筑风格数据集分类 | 第41-42页 |
| 3.3.3 SEP算法对十类和二十五类建筑风格数据集分类 | 第42-43页 |
| 3.3.4 SEP算法对EP原数据集进行分类 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于卷积神经网络的建筑风格图像分类 | 第46-56页 |
| 4.1 卷积神经网络分析 | 第46页 |
| 4.2 基于CNN的建筑风格分类算法 | 第46-49页 |
| 4.2.1 卷积神经网络结构 | 第47-48页 |
| 4.2.2 建筑风格分类算法 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-54页 |
| 4.3.1 实验环境简介 | 第49-50页 |
| 4.3.2 学习率的选择 | 第50-52页 |
| 4.3.3 模型的选择 | 第52-53页 |
| 4.3.4 SEP算法与卷积神经网络比较 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |