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

基于神经反应模型和稀疏表示的图像分类算法研究

摘要第4-6页
Abstract第6-7页
1 绪论第9-24页
    1.1 研究背景和意义第9-10页
    1.2 图像分类的研究现状第10-21页
    1.3 本文的创新点与组织结构第21-24页
2 基于稀疏表示的神经反应算法第24-45页
    2.1 引言第24-25页
    2.2 基于稀疏表示的神经反应算法第25-35页
    2.3 模板选取方法的研究第35-38页
    2.4 实验结果与分析第38-44页
    2.5 本章小结第44-45页
3 基于神经反应的ELM算法第45-69页
    3.1 引言第45-48页
    3.2 ELM的方法与理论第48-50页
    3.3 基于神经反应的ELM算法第50-59页
    3.4 实验结果与分析第59-68页
    3.5 本章小结第68-69页
4 基于图正则化约束的稀疏表示算法第69-96页
    4.1 引言第69-71页
    4.2 基于图正则化约束的稀疏表示算法第71-77页
    4.3 SSRGR算法的优化求解第77-79页
    4.4 基于图正则化约束的核稀疏表示算法及其优化算法第79-85页
    4.5 实验结果与分析第85-94页
    4.6 本章小结第94-96页
5 总结与展望第96-99页
    5.1 全文总结第96-97页
    5.2 对未来工作的展望第97-99页
致谢第99-101页
参考文献第101-113页
附录1 攻读博士学位期间发表论文目录第113-114页
附录2 攻读博士学位期间参加的学术会议第114-115页
附录3 公开发表的学术论文与博士学位论文的关系第115-116页
附录4 攻读博士学位期间参与的科研项目第116页

论文共116页,点击 下载论文
上一篇:时滞忆阻神经网络的稳定性分析与同步控制设计
下一篇:全光纤微结构器件的理论与应用研究