基于深度学习的数据特征融合分类技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-22页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-20页 |
| 1.2.1 深度学习模型与方法 | 第9-13页 |
| 1.2.2 特征提取 | 第13-15页 |
| 1.2.3 特征分类 | 第15-18页 |
| 1.2.4 分类器融合与特征融合 | 第18-20页 |
| 1.3 主要工作和结构安排 | 第20-22页 |
| 1.3.1 本文主要工作 | 第20页 |
| 1.3.2 论文组织结构 | 第20-22页 |
| 2 深度学习相关技术 | 第22-35页 |
| 2.1 人工神经网络 | 第22-24页 |
| 2.2 CNN模型 | 第24-33页 |
| 2.2.1 CNN结构组成 | 第24-29页 |
| 2.2.2 常见的CNN模型 | 第29-33页 |
| 2.3 深度学习框架 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 深度学习特征融合分类研究 | 第35-52页 |
| 3.1 深度学习特征分类 | 第35-44页 |
| 3.1.1 CNN与SVM混合模型 | 第35-36页 |
| 3.1.2 CNN增强模型 | 第36-37页 |
| 3.1.3 仿真实验与结果分析 | 第37-44页 |
| 3.2 深度学习分类器融合设计 | 第44-51页 |
| 3.2.1 深度学习分类器融合的必要性 | 第44-45页 |
| 3.2.2 深度学习决策融合设计 | 第45-47页 |
| 3.2.3 深度学习特征融合设计 | 第47-48页 |
| 3.2.4 特征压缩 | 第48-49页 |
| 3.2.5 仿真实验与结果分析 | 第49-51页 |
| 3.3 本章小结 | 第51-52页 |
| 4 融合分类技术在人脸检测中的应用 | 第52-62页 |
| 4.1 级联CNN人脸检测 | 第52-58页 |
| 4.1.1 框架概览 | 第53-54页 |
| 4.1.2 融合全卷积置信图谱人脸生成 | 第54-56页 |
| 4.1.3 级联神经网络人脸分类 | 第56-58页 |
| 4.2 仿真实验与结果分析 | 第58-61页 |
| 4.2.1 训练说明 | 第58页 |
| 4.2.2 实验数据集 | 第58页 |
| 4.2.3 实验结果与分析 | 第58-61页 |
| 4.3 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62页 |
| 5.2 未来展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71页 |
