基于LDA和主动学习的图像分类方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 图像分类的国内外研究现状 | 第12-16页 |
| 1.2.1 图像的预处理 | 第12-14页 |
| 1.2.2 区域的确定和特征获取 | 第14页 |
| 1.2.3 聚类和标记 | 第14-16页 |
| 1.3 论文的主要工作和章节安排 | 第16-18页 |
| 1.3.1 主要工作 | 第16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 基本数学理论 | 第18-30页 |
| 2.1 概率主题模型和LDA | 第18-22页 |
| 2.1.1 概率主题模型产生的背景 | 第18页 |
| 2.1.2 隐含狄利克雷分配 | 第18-22页 |
| 2.2 主动学习 | 第22-25页 |
| 2.2.1 主动学习模型基础 | 第22-23页 |
| 2.2.2 主动学习的样本选择策略 | 第23-25页 |
| 2.3 稀疏表达 | 第25-28页 |
| 2.3.1 稀疏表达的数学模型 | 第26页 |
| 2.3.2 过完备字典的求解 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于LDA的图像分类 | 第30-41页 |
| 3.1 特征词袋模型 | 第30-31页 |
| 3.2 基于LDA的图像分类 | 第31-35页 |
| 3.2.1 特征提取及视觉词汇构建 | 第32-33页 |
| 3.2.2 统计图像单词信息 | 第33页 |
| 3.2.3 计算LDA模型的参数 | 第33-35页 |
| 3.3 实验结果分析 | 第35-40页 |
| 3.3.1 聚类方法对运行时间的影响 | 第35-36页 |
| 3.3.2 主题数对准确率的影响 | 第36-37页 |
| 3.3.3 词汇数对准确率的影响 | 第37-39页 |
| 3.3.4 LDA和p LSA的简单对比 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于主动学习的图像分类 | 第41-50页 |
| 4.1 高斯过程简介 | 第42-44页 |
| 4.1.1 高斯过程的数学基础 | 第42页 |
| 4.1.2 高斯过程和主动学习 | 第42-44页 |
| 4.2 基于关联性的主动学习 | 第44-45页 |
| 4.3 实验结果分析 | 第45-49页 |
| 4.3.1 查询次数对准确率的影响 | 第45-47页 |
| 4.3.2 平均运行时间 | 第47-48页 |
| 4.3.3 超参数的优化 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于稀疏表达的图像分类 | 第50-60页 |
| 5.1 稀疏表达的数学描述 | 第50-51页 |
| 5.2 基于稀疏表达的图像分类 | 第51-56页 |
| 5.2.1 训练样本作字典 | 第52-54页 |
| 5.2.2 在线字典学习 | 第54-56页 |
| 5.3 实验结果分析 | 第56-59页 |
| 5.3.1 字典与运行时间的关系 | 第56-58页 |
| 5.3.2 字典对分类准确率的影响 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 内容总结 | 第60页 |
| 主要贡献及工作 | 第60-61页 |
| 后续工作与展望 | 第61-62页 |
| 参考文献 | 第62-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
