基于迁移学习的模糊图像识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的研究内容及组织结构 | 第13-16页 |
| 2 基于迁移学习的模糊图像识别技术研究 | 第16-34页 |
| 2.1 迁移学习技术研究 | 第16-18页 |
| 2.2 特征分布转移分析 | 第18-21页 |
| 2.3 基于子空间对齐的迁移学习技术 | 第21-23页 |
| 2.4 子空间维度的选择 | 第23-25页 |
| 2.5 实验结果与分析 | 第25-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 基于测度学习的迁移学习对模糊图像识别技术研究 | 第34-45页 |
| 3.1 测度学习技术研究 | 第34-35页 |
| 3.2 基于测度学习的子空间建立 | 第35-36页 |
| 3.3 基于测度学习的子空间对齐 | 第36-37页 |
| 3.4 子空间维度的选择 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于低秩分解的迁移学习模糊图像识别技术研究 | 第45-61页 |
| 4.1 集成低秩分解技术 | 第45-48页 |
| 4.2 子空间建立和子空间对齐 | 第48-50页 |
| 4.3 特征分布的可视化 | 第50-53页 |
| 4.4 实验结果与分析 | 第53-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于深度学习网络的模糊图像识别技术研究 | 第61-72页 |
| 5.1 引言 | 第61-62页 |
| 5.2 CNN深度学习网络结构分析 | 第62-64页 |
| 5.3 CNN深度学习网络提取特征的域不变性分析 | 第64-66页 |
| 5.4 实验结果与分析 | 第66-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 全文总结 | 第72-75页 |
| 6.1 论文主要工作 | 第72-73页 |
| 6.2 论文创新点 | 第73-74页 |
| 6.3 未来工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 附录 攻读学位期间发表的学术论文 | 第82页 |
