基于信息熵的稀疏概念编码及其在图像分类中的应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 论文的研究内容及结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 稀疏编码与图像分类方法概述 | 第19-30页 |
| 2.1 图像分类方法 | 第19-22页 |
| 2.2 特征编码方法 | 第22-24页 |
| 2.3 稀疏编码方法 | 第24-28页 |
| 2.4 图像分类的评价指标 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 基于信息熵的稀疏概念编码方法 | 第30-43页 |
| 3.1 矩阵分解算法 | 第31-32页 |
| 3.1.1 SVD算法 | 第31页 |
| 3.1.2 NMF算法 | 第31-32页 |
| 3.1.3 SC算法 | 第32页 |
| 3.2 基于信息熵的稀疏概念编码 | 第32-37页 |
| 3.2.1 算法引出 | 第32页 |
| 3.2.2 算法推导及实现 | 第32-37页 |
| 3.3 实验结果与分析 | 第37-42页 |
| 3.3.1 COIL20数据库实验 | 第37-39页 |
| 3.3.2 ORL人脸库实验 | 第39-41页 |
| 3.3.3 实验参数选择 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于加权信息熵的稀疏概念编码方法 | 第43-52页 |
| 4.1 类别可分性判据 | 第43-44页 |
| 4.2 基于加权信息熵的稀疏概念编码 | 第44-47页 |
| 4.2.1 准则函数引出 | 第44-45页 |
| 4.2.2 算法的推导及实现 | 第45-47页 |
| 4.3 实验结果与分析 | 第47-50页 |
| 4.3.1 COIL20数据库实验 | 第47-48页 |
| 4.3.2 ORL人脸库实验 | 第48-50页 |
| 4.4 实验参数选择 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第58-60页 |
| 学位论文数据集 | 第60页 |
