致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
目录 | 第10-13页 |
符号说明 | 第13-14页 |
1 绪论 | 第14-24页 |
1.1 研究背景和意义 | 第14-15页 |
1.2 国内外研究概况 | 第15-21页 |
1.2.1 图像标注 | 第15-16页 |
1.2.2 特征选择 | 第16-19页 |
1.2.3 国内外研究机构和图像数据库 | 第19-21页 |
1.3 论文主要研究工作 | 第21-22页 |
1.4 论文内容与结构安排 | 第22-24页 |
2 半监督稀疏特征选择算法研究的相关知识 | 第24-44页 |
2.1 图像视觉特征 | 第24-27页 |
2.1.1 颜色特征 | 第24-25页 |
2.1.2 纹理特征 | 第25-26页 |
2.1.3 形状特征 | 第26页 |
2.1.4 基于关键点的特征 | 第26-27页 |
2.2 稀疏表示理论 | 第27-32页 |
2.2.1 生理学基础 | 第27-28页 |
2.2.2 稀疏表示理论 | 第28-29页 |
2.2.3 稀疏表示求解 | 第29-31页 |
2.2.4 字典构造 | 第31-32页 |
2.3 半监督学习 | 第32-37页 |
2.3.1 监督、非监督与半监督学习概述 | 第32-33页 |
2.3.2 聚类假设和流形假设 | 第33-34页 |
2.3.3 基于图的半监督学习 | 第34-36页 |
2.3.4 基于流形正则化半监督学习 | 第36-37页 |
2.4 多视图学习 | 第37-43页 |
2.4.1 概述 | 第37-38页 |
2.4.2 基本准则 | 第38-39页 |
2.4.3 多个视图结合方式 | 第39-41页 |
2.4.4 多视图学习方法分类 | 第41-43页 |
2.5 本章小结 | 第43-44页 |
3 基于l_(2,1/2)矩阵范数稀疏特征选择算法研究 | 第44-62页 |
3.1 常用稀疏性惩罚 | 第44-46页 |
3.1.1 l_1范数 | 第44-45页 |
3.1.2 l_p范数 | 第45页 |
3.1.3 l_(2,1)范数 | 第45-46页 |
3.2 图拉普拉斯半监督稀疏特征选择算法FSLG | 第46-52页 |
3.2.1 l_(2,p)矩阵范数 | 第46-47页 |
3.2.2 FSLG算法框架 | 第47-48页 |
3.2.3 目标函数求解 | 第48-50页 |
3.2.4 收敛性分析 | 第50-52页 |
3.3 实验分析 | 第52-61页 |
3.3.1 数据库及实验设置 | 第52-53页 |
3.3.2 评价准则和比较方法 | 第53-54页 |
3.3.3 实验结果分析 | 第54-61页 |
3.4 本章小结 | 第61-62页 |
4 Hessian正则化半监督稀疏特征选择算法研究 | 第62-78页 |
4.1 Hessian正则化半监督稀疏特征选择算法HFSL | 第62-69页 |
4.1.1 Hessian正则化 | 第63-65页 |
4.1.2 HFSL算法框架 | 第65-66页 |
4.1.3 目标函数求解 | 第66-67页 |
4.1.4 收敛性分析 | 第67-69页 |
4.2 实验分析 | 第69-77页 |
4.2.1 数据库及特征 | 第69页 |
4.2.2 实验设置及比较方法 | 第69-70页 |
4.2.3 实验结果分析 | 第70-77页 |
4.3 本章小结 | 第77-78页 |
5 多视图半监督稀疏特征选择算法研究 | 第78-102页 |
5.1 多视图Hessian半监督稀疏特征选择算法MHSFS | 第78-92页 |
5.1.1 MHSFS算法框架 | 第78-81页 |
5.1.2 目标函数求解 | 第81-83页 |
5.1.3 收敛性分析 | 第83-86页 |
5.1.4 实验分析 | 第86-92页 |
5.2 基于l_(2,1/2)矩阵范数和共享子空间的半监督稀疏特征选择算法SFSLS | 第92-101页 |
5.2.1 SFSLS算法提出 | 第93-94页 |
5.2.2 目标函数求解 | 第94-97页 |
5.2.3 收敛性分析 | 第97-98页 |
5.2.4 实验分析 | 第98-101页 |
5.3 本章小结 | 第101-102页 |
6 基于半监督稀疏特征选择的网络图像检索标注系统 | 第102-112页 |
6.1 系统概述 | 第102-104页 |
6.2 系统平台 | 第104-111页 |
6.2.1 系统模块 | 第104-106页 |
6.2.2 系统演示 | 第106-111页 |
6.3 本章内容小结 | 第111-112页 |
7 总结与展望 | 第112-114页 |
7.1 工作总结 | 第112-113页 |
7.2 未来展望 | 第113-114页 |
参考文献 | 第114-124页 |
作者简历及攻读博士学位期间取得的研究成果 | 第124-128页 |
学位论文数据集 | 第128页 |