| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 行为模式的概述 | 第12-13页 |
| 1.3 研究状况 | 第13-14页 |
| 1.4 研究内容和组织架构 | 第14-16页 |
| 第二章 挖掘关键行为模式问题的关键技术研究 | 第16-36页 |
| 2.1 多示例学习的研究 | 第16-20页 |
| 2.1.1 多示例问题与多示例学习 | 第16-17页 |
| 2.1.2 多示例学习算法研究 | 第17-20页 |
| 2.2 基于深度序列的特征表达方法 | 第20-24页 |
| 2.2.1 特征设计 | 第20-23页 |
| 2.2.2 特征整合方法研究 | 第23-24页 |
| 2.3 聚类算法的研究 | 第24-28页 |
| 2.3.1 相似度度量 | 第24-25页 |
| 2.3.2 聚类分析 | 第25页 |
| 2.3.3 聚类算法 | 第25-28页 |
| 2.4 多类支持向量机的研究 | 第28-34页 |
| 2.4.1 支持向量机理论 | 第29-32页 |
| 2.4.2 多类的支持向量机 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 挖掘关键行为模式的算法流程 | 第36-50页 |
| 3.1 方法概述 | 第36页 |
| 3.2 动作立方体池的生成 | 第36-40页 |
| 3.2.1 划分时空立方体 | 第37-38页 |
| 3.2.2 行为模式的表达 | 第38-39页 |
| 3.2.3 本节总结 | 第39-40页 |
| 3.3 空间约束的聚类算法 | 第40-44页 |
| 3.3.1 动作立方体的运动能量 | 第40-41页 |
| 3.3.2 空间约束的相似度度量 | 第41-42页 |
| 3.3.3 簇的区域索引 | 第42页 |
| 3.3.4 基于空间约束的聚类算法流程 | 第42-43页 |
| 3.3.5 基于空间约束的聚类算法小结 | 第43-44页 |
| 3.4 关键行为模式的学习 | 第44-46页 |
| 3.4.1 关键行为模式的学习策略 | 第44-45页 |
| 3.4.2 多类分类器的选择 | 第45-46页 |
| 3.5 行为动作的分类 | 第46-48页 |
| 3.5.1 行为识别的系统设计 | 第46-47页 |
| 3.5.2 样本描述符的表达 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 实现与验证 | 第50-62页 |
| 4.1 数据集选择 | 第50-52页 |
| 4.2 行为模式的提取 | 第52-55页 |
| 4.2.1 特征提取 | 第52-54页 |
| 4.2.2 生成动作立方体的实现 | 第54-55页 |
| 4.3 基于区域约束的聚类 | 第55-56页 |
| 4.4 关键行为模式的学习实验 | 第56-58页 |
| 4.5 样本的表示与分类器的学习 | 第58页 |
| 4.6 实验结果与分析 | 第58-61页 |
| 4.6.1 MSRAction3D数据集 | 第58-60页 |
| 4.6.2 MSRDailyAction3D数据集 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 总结 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 论文展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者攻读学位期间发表的学术论文目录 | 第70页 |