多变量体数据的压缩技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·主要研究内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 数据压缩技术及相关理论概述 | 第15-21页 |
| ·多变量体数据 | 第15页 |
| ·体数据可视化 | 第15-16页 |
| ·数据压缩概念及性能评价 | 第16-18页 |
| ·数据压缩概念 | 第16页 |
| ·压缩效率 | 第16-17页 |
| ·均方误差和峰值信噪比 | 第17-18页 |
| ·多变量分析方法 | 第18-19页 |
| ·多维尺度分析 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于三维小波的多变量体数据压缩 | 第21-42页 |
| ·引言 | 第21-22页 |
| ·彩色空间特征分析 | 第22-24页 |
| ·彩色空间能量分析 | 第22-23页 |
| ·彩色空间转换 | 第23-24页 |
| ·小波理论发展历程 | 第24-30页 |
| ·小波分析 | 第24-27页 |
| ·多分辨率分析 | 第27-30页 |
| ·小波变换的多变量体数据压缩算法 | 第30-37页 |
| ·体素颜色分量预处理 | 第30-32页 |
| ·小波分解 | 第32-34页 |
| ·离散余弦变换 | 第34-35页 |
| ·阈值量化 | 第35-37页 |
| ·体数据重构 | 第37页 |
| ·实验结果与分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于机器学习的多变量体数据压缩 | 第42-59页 |
| ·引言 | 第42页 |
| ·机器学习的基本概念和方法 | 第42-51页 |
| ·机器学习 | 第42-44页 |
| ·线性回归分析 | 第44-46页 |
| ·核方法 | 第46-49页 |
| ·半监督学习 | 第49-51页 |
| ·主动学习 | 第51页 |
| ·基于方差最小化主动学习压缩算法 | 第51-53页 |
| ·目标函数 | 第52-53页 |
| ·体数据压缩模型 | 第53页 |
| ·基于半监督学习算法的多变量重构 | 第53-56页 |
| ·组织特征向量 | 第53-54页 |
| ·半监督学习模型 | 第54-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·本文工作总结 | 第59页 |
| ·今后工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
| 详细摘要 | 第67-69页 |
