基于子空间学习的识别与检索算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 图像识别 | 第9页 |
| 1.2.2 跨媒体检索 | 第9-10页 |
| 1.3 本文主要研究内容和创新点 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 基于协同表示的小样本人脸图像识别 | 第12-22页 |
| 2.1 引言 | 第12页 |
| 2.2 基于子空间的线性分类器算法 | 第12-13页 |
| 2.2.1 稀疏表示分类器 | 第12-13页 |
| 2.2.2 协同表示分类器 | 第13页 |
| 2.3 基于协同表示的两步学习方法(TSCR) | 第13-15页 |
| 2.3.1 标注样本集扩展 | 第15页 |
| 2.3.2 基于协同表示的未标注样本分类 | 第15页 |
| 2.4 实验结果与分析 | 第15-21页 |
| 2.4.1 数据集描述 | 第16页 |
| 2.4.2 实验结果评估 | 第16-19页 |
| 2.4.3 单标注样本效果评估 | 第19-20页 |
| 2.4.4 时间复杂度分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于稀疏子空间的加权局部协同表示 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 基于子空间的线性重构分类器 | 第22-24页 |
| 3.2.1 稀疏表示分类器 | 第22-23页 |
| 3.2.2 加权协同表示分类器 | 第23页 |
| 3.2.3 线性回归分类器 | 第23-24页 |
| 3.3 基于稀疏子空间的加权局部协同表示分类器 | 第24-26页 |
| 3.3.1 强相关字典 | 第25-26页 |
| 3.3.2 加权局部协同表示分类器 | 第26页 |
| 3.4 算法实验结果与分析 | 第26-31页 |
| 3.4.1 数据集描述 | 第27-28页 |
| 3.4.2 实验效果评估 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于半监督模态相关性的异构媒体检索算法 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 基于子空间的跨媒体检索算法 | 第32-33页 |
| 4.3 半监督模态相关性跨媒体检索 | 第33-35页 |
| 4.4 算法实验结果与分析 | 第35-40页 |
| 4.4.1 数据集描述 | 第35-36页 |
| 4.4.2 实验效果评估 | 第36-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 半监督距离一致性异构媒体检索算法 | 第42-48页 |
| 5.1 引言 | 第42页 |
| 5.2 半监督距离一致性跨媒体检索 | 第42-44页 |
| 5.2.1 数据描述 | 第42页 |
| 5.2.2 获得类别中心 | 第42-43页 |
| 5.2.3 构造伪标签与对应的数据 | 第43页 |
| 5.2.4 训练投影矩阵 | 第43-44页 |
| 5.3 实验结果与分析 | 第44-47页 |
| 5.3.1 数据集描述 | 第44页 |
| 5.3.2 实验设置 | 第44-45页 |
| 5.3.3 实验效果评估 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 内容总结 | 第48页 |
| 6.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间的主要成果 | 第54-56页 |
| 致谢 | 第56页 |
