| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 多分类及不平衡问题研究现状 | 第14-15页 |
| 1.2.2 代价敏感问题研究现状 | 第15-16页 |
| 1.3 本文工作 | 第16-18页 |
| 1.4 本文组织 | 第18-19页 |
| 第二章 相关知识 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 三支决策理论 | 第19-20页 |
| 2.2.1 粗糙集理论 | 第19-20页 |
| 2.2.2 三支决策理论 | 第20页 |
| 2.3 基于内容的图像分类 | 第20-23页 |
| 2.3.1 图像内容的描述及特征提取 | 第21-22页 |
| 2.3.2 多分类问题 | 第22-23页 |
| 2.4 视频异常检测 | 第23-27页 |
| 2.4.1 光流法 | 第24页 |
| 2.4.2 主题模型 | 第24-27页 |
| 第三章 强三支决策理论 | 第27-35页 |
| 3.1 GTWD与STWD | 第27-30页 |
| 3.2 三支决策的贝叶斯概率模型 | 第30-31页 |
| 3.3 STWD与GTWD | 第31-34页 |
| 3.3.1 GTWD和STWD语义解释 | 第31-32页 |
| 3.3.2 GTWD和STWD决策过程 | 第32-34页 |
| 3.4 本章总结 | 第34-35页 |
| 第四章 基于强三支决策的集成学习算法及其在图像分类上的应用 | 第35-51页 |
| 4.1 概述 | 第35-36页 |
| 4.2 基于强三支决策的集成学习算法 | 第36-40页 |
| 4.2.1 强三支决策基分类器 | 第36-37页 |
| 4.2.2 基于强三支决策的集成分类算法:STWD-Ensemble | 第37-40页 |
| 4.3 实验设计及分析 | 第40-44页 |
| 4.3.1 实验环境与实验数据集 | 第40页 |
| 4.3.2 图像特征提取 | 第40-42页 |
| 4.3.3 参数设置与评估函数 | 第42-44页 |
| 4.3.4 实验结果与分析 | 第44页 |
| 4.4 本章总结 | 第44-51页 |
| 第五章 基于强三支决策的代价敏感分类方法及其在视频异常检测中的应用 | 第51-65页 |
| 5.1 概述 | 第51-52页 |
| 5.2 视频异常检测的设计 | 第52-54页 |
| 5.2.1 光流法提取视频特征 | 第52页 |
| 5.2.2 基于主题模型LDA的特征处理 | 第52-53页 |
| 5.2.3 基于STWD的视频异常检测 | 第53-54页 |
| 5.3 实验设计与分析 | 第54-61页 |
| 5.3.1 实验环境与实验数据集 | 第54页 |
| 5.3.2 特征提取 | 第54-58页 |
| 5.3.3 实验评估函数 | 第58页 |
| 5.3.4 实验结果及分析 | 第58-61页 |
| 5.4 本章总结 | 第61-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 简历与科研成果 | 第76-77页 |
