基于鉴别性半监督字典学习的图像分类算法研究与实现
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 半监督字典学习研究现状 | 第11-12页 |
| 1.2.2 半监督字典学习面临的挑战 | 第12页 |
| 1.3 本文主要研究内容与创新点 | 第12-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 半监督分类学习的常用方法 | 第15-21页 |
| 2.1 常用算法介绍 | 第15-20页 |
| 2.1.1 协同表示 | 第15-16页 |
| 2.1.2 半监督支持向量机 | 第16页 |
| 2.1.3 基于图的半监督学习 | 第16-17页 |
| 2.1.4 半监督深度学习 | 第17-18页 |
| 2.1.5 半监督字典学习 | 第18-20页 |
| 2.2 本章小结 | 第20-21页 |
| 第3章 基于半监督字典学习的自闭症诊断 | 第21-31页 |
| 3.1 引言 | 第21页 |
| 3.2 模型框架 | 第21-24页 |
| 3.2.1 鉴别性的共性和特异性表示 | 第22-23页 |
| 3.2.2 提升的标签传播算法 | 第23-24页 |
| 3.2.3 模型分类机制 | 第24页 |
| 3.3 SSDL-ILP优化求解 | 第24-26页 |
| 3.4 实验结果与分析 | 第26-30页 |
| 3.4.1 实验设置与数据预处理 | 第26-27页 |
| 3.4.2 实验结果对比分析 | 第27-28页 |
| 3.4.3 模型验证 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于半监督字典学习与最大熵正则的图像分类 | 第31-42页 |
| 4.1 引言 | 第31页 |
| 4.2 模型框架 | 第31-34页 |
| 4.2.1 鉴别性的表示 | 第32页 |
| 4.2.2 鉴别性的非标签数据的一致性编码 | 第32-33页 |
| 4.2.3 最大熵的鉴别项 | 第33-34页 |
| 4.2.4 模型分类机制 | 第34页 |
| 4.3 DSSDL优化求解 | 第34-36页 |
| 4.4 实验结果与分析 | 第36-40页 |
| 4.4.1 算法分析 | 第36-37页 |
| 4.4.2 参数设置 | 第37-38页 |
| 4.4.3 人脸识别 | 第38-39页 |
| 4.4.4 字符识别 | 第39-40页 |
| 4.4.5 目标分类 | 第40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42-43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间的研究成果 | 第48页 |
