| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究的背景及意义 | 第12-13页 |
| 1.2 研究内容的现状 | 第13-16页 |
| 1.3 论文的内容和贡献 | 第16-18页 |
| 1.4 论文组织 | 第18-19页 |
| 第二章 基于词袋模型的图像分类 | 第19-25页 |
| 2.1 图像局部特征抽取 | 第19-20页 |
| 2.2 码书学习 | 第20-21页 |
| 2.3 基于码书的特征编码表示 | 第21-22页 |
| 2.4 特征空间汇合 | 第22-24页 |
| 2.5 图像分类模型设计 | 第24页 |
| 2.6 总结 | 第24-25页 |
| 第三章 基于增量码书学习和子图编码的图像分类 | 第25-37页 |
| 3.1 引言 | 第25-27页 |
| 3.2 增量码书网络学习 | 第27-31页 |
| 3.2.1 相关工作 | 第27-28页 |
| 3.2.2 快速增量码书网络学习算法 | 第28-31页 |
| 3.3 基于子图的编码 | 第31页 |
| 3.4 结合增量码书学习与子图编码的图像分类实验与分析 | 第31-36页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 码书学习时间 | 第33-34页 |
| 3.4.3 分类准确度 | 第34-35页 |
| 3.4.4 不同参数的影响 | 第35-36页 |
| 3.5 总结 | 第36-37页 |
| 第四章 基于自调式码书学习的图像分类 | 第37-52页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于稀疏表示的码书学习 | 第38-39页 |
| 4.3 自调式学习相关研究 | 第39-40页 |
| 4.4 自调式码书学习 | 第40-46页 |
| 4.4.1 自适应阈值计算 | 第41页 |
| 4.4.2 选取当前简单样本 | 第41-42页 |
| 4.4.3 利用简单样本学习码书 | 第42-44页 |
| 4.4.4 自调式码书学习算法分析 | 第44-46页 |
| 4.5 实验与分析 | 第46-51页 |
| 4.5.1 实验环境及实验设置 | 第46页 |
| 4.5.2 Caltech-101数据集实验分析 | 第46-49页 |
| 4.5.3 15-Scene数据集实验分析 | 第49-50页 |
| 4.5.4 UIUC 8-Event数据集实验分析 | 第50-51页 |
| 4.6 总结 | 第51-52页 |
| 第五章 基于二阶特征空间汇合判别分析的图像分类 | 第52-69页 |
| 5.1 引言 | 第52页 |
| 5.2 研究现状 | 第52-55页 |
| 5.3 二阶特征空间汇合技术 | 第55-56页 |
| 5.4 二阶特征空间汇合技术的判别分析 | 第56-63页 |
| 5.4.1 图嵌入判别分析 | 第57-59页 |
| 5.4.2 黎曼流形的距离度量 | 第59-61页 |
| 5.4.3 判别的低维二阶信息图像表示 | 第61-63页 |
| 5.5 实验与分析 | 第63-67页 |
| 5.5.1 实验环境及实验设置 | 第63页 |
| 5.5.2 基于二阶特征空间汇合判别分析的图像分类 | 第63-64页 |
| 5.5.3 Caltech-101实验结果及分析 | 第64-66页 |
| 5.5.4 15-Scene实验结果及分析 | 第66-67页 |
| 5.6 总结 | 第67-69页 |
| 第六章 总结和展望 | 第69-72页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-82页 |
| 攻读硕士学位期间完成的学术成果 | 第82页 |
| 攻读硕士学位期间参与的科研课题 | 第82-83页 |
| 致谢 | 第83-84页 |
