| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文的章节安排 | 第14-16页 |
| 第二章 图像分类中相关模型和算法 | 第16-29页 |
| 2.1 图像分类中的相关模型 | 第16-19页 |
| 2.1.1 BOW模型简介 | 第16页 |
| 2.1.2 BOF模型 | 第16-17页 |
| 2.1.3 SPM模型 | 第17-19页 |
| 2.2 图像分类模型中的相关算法 | 第19-28页 |
| 2.2.1 SIFT特征提取方法 | 第19-22页 |
| 2.2.2 K-means聚类算法 | 第22页 |
| 2.2.3 支持向量机算法 | 第22-26页 |
| 2.2.4 Pooling方法 | 第26-27页 |
| 2.2.5 KNN算法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于局部约束线性编码算法的图像分类模型 | 第29-34页 |
| 3.1 稀疏编码算法 | 第29-30页 |
| 3.2 局部约束线性编码算法 | 第30-32页 |
| 3.3 编码典型算法比较 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于多特征编码算法的图像分类模型 | 第34-39页 |
| 4.1 基于L_2范数的非负稀疏编码 | 第34-35页 |
| 4.2 多特征编码算法 | 第35-37页 |
| 4.3 基于多特征编码的图像分类模型 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 模型实验结果以及对比分析 | 第39-48页 |
| 5.1 图像数据集介绍 | 第39-40页 |
| 5.1.1 Caltech-101图像数据集 | 第39页 |
| 5.1.2 15 -Scence图像数据集 | 第39-40页 |
| 5.1.3 UIUC-Sport图像数据集 | 第40页 |
| 5.2 实验结果 | 第40-46页 |
| 5.2.1 实验设置 | 第40-41页 |
| 5.2.2 Caltech-101数据集上的分类准确率对比分析 | 第41-43页 |
| 5.2.3 Scene-15数据集上的分类准确率对比分析 | 第43-45页 |
| 5.2.4 UIUC-Sport数据集上的分类准确率对比分析 | 第45-46页 |
| 5.3 参数K的选择 | 第46页 |
| 5.4 本章小结 | 第46-48页 |
| 第六章 全文总结与展望 | 第48-49页 |
| 6.1 论文工作总结 | 第48页 |
| 6.2 未来工作展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
