自然图像的有效编码和集成迁移分类方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-13页 |
| ·自然图像编码的研究现状 | 第13-14页 |
| ·迁移学习的研究现状 | 第14-18页 |
| ·迁移学习的分类 | 第15-17页 |
| ·在小样本分类识别中的应用 | 第17-18页 |
| ·主要工作和章节安排 | 第18-19页 |
| ·主要工作 | 第18页 |
| ·章节安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 迁移学习理论 | 第20-32页 |
| ·迁移学习的定义 | 第20-21页 |
| ·多层次迁移策略 | 第21-22页 |
| ·基于 Adaboost 的集成迁移学习 | 第22-30页 |
| ·Adaboost 集成框架 | 第22-23页 |
| ·集成迁移学习 | 第23-25页 |
| ·多源迁移学习 | 第25-27页 |
| ·多任务迁移学习 | 第27-28页 |
| ·多标记迁移学习 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 自然图像的基元编码 | 第32-48页 |
| ·传统图像特征表示 | 第32-36页 |
| ·基元编码特征表示 | 第36-37页 |
| ·独立子空间内的图像基元编码表示方法 | 第37-42页 |
| ·独立子空间分析 | 第37-38页 |
| ·基于增量学习的基元优化 | 第38-40页 |
| ·基元响应编码描述 | 第40页 |
| ·空间金字塔特征统计 | 第40-42页 |
| ·实验与分析 | 第42-46页 |
| ·实验图像集 | 第42页 |
| ·图像基元分析 | 第42-43页 |
| ·图像分类及相关参数讨论 | 第43-46页 |
| ·对比实验 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第四章 小样本集成迁移的图像分类 | 第48-62页 |
| ·目标 /源域间样本分布的协变量偏移 | 第48-51页 |
| ·样本分布的协变量偏移 | 第48-49页 |
| ·协变量损失函数 | 第49-51页 |
| ·源域的可迁移性测度 | 第51-52页 |
| ·改进的多源 TrAdaboost 算法流程 | 第52-55页 |
| ·实验与分析 | 第55-61页 |
| ·实验图像集 | 第55页 |
| ·算法性能分析 | 第55-58页 |
| ·对比实验 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结和展望 | 第62-64页 |
| ·工作总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及科研工作 | 第68-70页 |
