基于极限学习机的移动视觉搜索研究与优化
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 本文的研究内容 | 第11-12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 第二章 移动视觉搜索和极限学习机综述 | 第14-24页 |
| 2.1 移动视觉搜索综述 | 第14-17页 |
| 2.1.1 移动视觉搜索简介 | 第14页 |
| 2.1.2 移动视觉搜索主要研究方法 | 第14-15页 |
| 2.1.3 移动视觉搜索基本模型 | 第15-16页 |
| 2.1.4 移动视觉搜索案例 | 第16-17页 |
| 2.1.5 移动视觉搜索面临的挑战 | 第17页 |
| 2.2 极限学习机综述 | 第17-23页 |
| 2.2.1 单隐层前馈神经网络模型(SLFNs) | 第17-19页 |
| 2.2.2 通用逼近理论 | 第19-20页 |
| 2.2.3 插值理论 | 第20页 |
| 2.2.4 极限学习机简述 | 第20-21页 |
| 2.2.5 ELM 的优势、扩展和未来挑战 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 移动视觉搜索基本模型 | 第24-37页 |
| 3.1 相关叙述 | 第24-27页 |
| 3.1.1 颜色直方图 | 第25-26页 |
| 3.1.2 颜色集 | 第26页 |
| 3.1.3 基于纹理特征 | 第26-27页 |
| 3.1.4 基于形状特征 | 第27页 |
| 3.2 支持向量机(SVM) | 第27-30页 |
| 3.3 极限学习机 | 第30-33页 |
| 3.4 ELM 与 SVM 的比较 | 第33-34页 |
| 3.5 BMVS 模型 | 第34-35页 |
| 3.6 模型实际面临的问题和挑战 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 移动视觉搜索处理和优化方法 | 第37-45页 |
| 4.1 服务器端处理 | 第37-42页 |
| 4.1.1 图像特征提取 | 第37-38页 |
| 4.1.2 图像特征预处理 | 第38-40页 |
| 4.1.3 服务器分类器训练 | 第40-41页 |
| 4.1.4 分类器测试 | 第41-42页 |
| 4.2 移动端处理 | 第42页 |
| 4.3 A-ELM 算法 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验部分 | 第45-53页 |
| 5.1 服务器端 ELM 分类器实验 | 第45-47页 |
| 5.2 SVM 和 ELM 在图像数据对比实验 | 第47-48页 |
| 5.3 优化实验 | 第48-50页 |
| 5.4 移动端模拟实现 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结展望 | 第53-55页 |
| 6.1 研究工作总结 | 第53页 |
| 6.2 研究工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-64页 |
