| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 图片特征提取和分类技术发展现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 相关知识介绍 | 第15-36页 |
| 2.1 图像特征提取方法 | 第15-26页 |
| 2.1.1 方向梯度直方图 | 第15-17页 |
| 2.1.2 尺度不变特征变换与Bag-Of-Words模型 | 第17-22页 |
| 2.1.3 卷积神经网络 | 第22-26页 |
| 2.2 集成学习 | 第26-31页 |
| 2.2.1 集成学习理论 | 第27-28页 |
| 2.2.2 集成学习的一些结合策略 | 第28-31页 |
| 2.3 SVM算法 | 第31-35页 |
| 2.3.1 线性可分的SVM | 第31-33页 |
| 2.3.2 线性不可分的SVM | 第33-34页 |
| 2.3.3 多分类SVM算法 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于集成学习模型的图片特征提取和分类算法 | 第36-45页 |
| 3.1 引言 | 第36-37页 |
| 3.2 基于集成学习模型的图片特征提取和分类算法的框架 | 第37-38页 |
| 3.3 基学习器的实现 | 第38-42页 |
| 3.3.1 HOG基分类器 | 第38-39页 |
| 3.3.2 SIFT基分类器 | 第39-40页 |
| 3.3.3 CNN基分类器 | 第40-42页 |
| 3.4 集成学习的具体方案 | 第42-44页 |
| 3.4.1 简单平均法 | 第43页 |
| 3.4.2 加权投票法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 雾霾图片特征提取和分类实验 | 第45-54页 |
| 4.1 实验数据集 | 第45-47页 |
| 4.2 实验结果分析 | 第47-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录1 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |