| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-16页 |
| 1.3 本文主要研究内容及结构安排 | 第16-17页 |
| 第2章 相关理论算法介绍 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 基于卷积神经网络的特征提取方法 | 第17-23页 |
| 2.2.1 卷积神经网络的结构 | 第18-19页 |
| 2.2.2 卷积神经网络的局部连接与权值共享特性 | 第19-20页 |
| 2.2.3 VGGNet模型提取图像特征 | 第20-23页 |
| 2.3 图像分类相关算法 | 第23-27页 |
| 2.3.1 基于稀疏表示的分类方法 | 第23页 |
| 2.3.2 基于协同表示的分类方法 | 第23-25页 |
| 2.3.3 核方法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于核协同表示的类特定词典学习算法 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 基于核协同表示的类特定词典学习算法 | 第28-33页 |
| 3.2.1 CSDL-KCRC算法描述 | 第28-30页 |
| 3.2.2 CSDL-KCRC算法的优化求解过程 | 第30-32页 |
| 3.2.3 CSDL-KCRC算法流程 | 第32-33页 |
| 3.3 CSDL-KCRC实验结果与分析 | 第33-43页 |
| 3.3.1 CSDL-KCRC实验设置 | 第33-34页 |
| 3.3.2 CSDL-KCRC参数选取 | 第34-35页 |
| 3.3.3 CSDL-KCRC实验结果 | 第35-42页 |
| 3.3.4 CSDL-KCRC结果分析 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于核协同表示的类聚集词典学习算法 | 第45-60页 |
| 4.1 引言 | 第45页 |
| 4.2 基于核协同表示的类聚集词典学习算法 | 第45-49页 |
| 4.2.1 CSCDL-KCRC算法描述 | 第45-46页 |
| 4.2.2 CSCDL-KCRC算法的优化求解过程 | 第46-47页 |
| 4.2.3 CSCDL-KCRC算法流程 | 第47-49页 |
| 4.3 CSCDL-KCRC实验结果与分析 | 第49-59页 |
| 4.3.1 CSCDL-KCRC实验设置 | 第49-50页 |
| 4.3.2 CSCDL-KCRC参数选取 | 第50-51页 |
| 4.3.3 CSCDL-KCRC实验结果 | 第51-58页 |
| 4.3.4 CSCDL-KCRC结果分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-74页 |
| 致谢 | 第74页 |