基于距离测度学习的图像分类方法研究

摘要	第1-6页
ABSTRACT	第6-7页
第一章 绪论	第7-11页
·研究背景	第7-8页
·距离测度学习方法概述	第8-9页
·本文的主要工作	第9-10页
·本文的组织	第10-11页
第二章 图像分类的关键技术	第11-21页
·图像分类系统概述	第11-12页
·语义鸿沟的产生及图像内容的语义层次	第12-14页
·图像特征提取	第14-16页
·相似度度量	第16-19页
·本章总结	第19-21页
第三章 距离测度学习算法比较分析	第21-38页
·距离测度学习的一般框架	第21-22页
·距离测度学习与其他算法	第22-26页
·距离测度学习和特征变换	第22-24页
·距离测度学习和流形学习	第24-26页
·距离测度学习算法比较和分析	第26-37页
·基于协方差矩阵的特征向量方法	第26-31页
·主元分析	第27-30页
·线性判别分析	第30-31页
·基于信息论的学习方法	第31-33页
·基于优化的方法	第33-37页
·基于正半定矩阵的凸优化方法	第33页
·针对k近邻分类错误的优化方法	第33-37页
·本章总结	第37-38页
第四章 基于测度学习的图像分类方法	第38-44页
·测度学习在图像分类中的应用	第38-39页
·基于特征互补率矩阵的图像分类方法	第39-43页
·基于特征互补率矩阵的特征选择	第40-42页
·融合特征的测度学习	第42-43页
·本章总结	第43-44页
第五章 实验分析	第44-61页
·实验设置	第44-46页
·不同粒度划分的分类结果比较	第46-50页
·不同分类器及图像特征的分类性能比较	第50-53页
·图像局部特征和全局特征的比较	第53-54页
·BOOSTING方法在图像分类上的应用	第54-57页
·基于特征互补率矩阵的分类性能	第57-60页
·本章总结	第60-61页
第六章 总结和展望	第61-62页
参考文献	第62-67页
致谢	第67-68页