增强量化的Bag-of-Features模型及其应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第13-20页 |
| 1.1 机器学习与图像分类问题 | 第13-14页 |
| 1.2 Bag-of-Features模型 | 第14-16页 |
| 1.3 本文研究的内容 | 第16-19页 |
| 1.4 本文结构 | 第19页 |
| 1.5 本章小结 | 第19-20页 |
| 2 稀疏编码的图像表示及相关应用框架 | 第20-26页 |
| 2.1 特征提取 | 第20-21页 |
| 2.2 词典学习 | 第21页 |
| 2.3 特征编码 | 第21-23页 |
| 2.4 特征汇总 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 有效半径的计算及性质 | 第26-34页 |
| 3.1 有效半径的定义 | 第26-27页 |
| 3.2 支撑锚点的生成 | 第27-30页 |
| 3.3 关于参数性质的讨论 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 结合有效半径的编码算法及词典生成 | 第34-39页 |
| 4.1 有效半径编码算法 | 第34-35页 |
| 4.2 结合有效半径的k-means算法 | 第35-38页 |
| 4.3 本章小结 | 第38-39页 |
| 5 基于球模型的快速软分配编码 | 第39-44页 |
| 5.1 软分配编码与局部软分配编码 | 第39-41页 |
| 5.2 基于球模型的软分配编码 | 第41-43页 |
| 5.3 本章小结 | 第43-44页 |
| 6 实验结果 | 第44-54页 |
| 6.1 实验设置 | 第44-45页 |
| 6.2 数据集及实验结果 | 第45-53页 |
| 6.3 本章小结 | 第53-54页 |
| 7 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间主要研究成果 | 第60页 |
