| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-15页 |
| 缩略语对照表 | 第15-19页 |
| 第一章 绪论 | 第19-35页 |
| 1.1 研究背景和意义 | 第19-26页 |
| 1.1.1 图像分类的应用 | 第21-24页 |
| 1.1.2 大规模图像数据 | 第24-26页 |
| 1.1.3 图像多分类的典型方法 | 第26页 |
| 1.2 层次化学习的研究现状与进展 | 第26-30页 |
| 1.2.1 基于语义树的层次化学习 | 第27-28页 |
| 1.2.2 基于标记树的层次化学习 | 第28-29页 |
| 1.2.3 基于视觉树的层次化学习 | 第29-30页 |
| 1.3 主要研究内容和章节安排 | 第30-33页 |
| 1.3.1 主要研究内容 | 第30-33页 |
| 1.4 本文组织结构 | 第33-35页 |
| 第二章 基于多任务稀疏度量的层次学习算法 | 第35-57页 |
| 2.1 引言 | 第35-36页 |
| 2.2 相关研究工作 | 第36-37页 |
| 2.2.1 距离度量学习 | 第36-37页 |
| 2.2.2 利用层间关系的层次学习 | 第37页 |
| 2.3 框架概述 | 第37-38页 |
| 2.4 视觉树学习 | 第38-42页 |
| 2.4.1 基于主动采样的类别特征表示 | 第39页 |
| 2.4.2 基于层次仿射传播聚类的视觉树构建 | 第39-42页 |
| 2.5 多任务稀疏度量层次学习算法 | 第42-44页 |
| 2.5.1 基于多任务稀疏度量的根结点划分 | 第42-43页 |
| 2.5.2 基于层次多任务稀疏度量的非根结点划分 | 第43-44页 |
| 2.6 实验结果与分析 | 第44-55页 |
| 2.6.1 数据集简介 | 第45页 |
| 2.6.2 实验设置 | 第45-50页 |
| 2.6.3 不同层次结构对比试验 | 第50-51页 |
| 2.6.4 不同方法对比试验 | 第51-54页 |
| 2.6.5 计算效率实验 | 第54-55页 |
| 2.7 本章小结 | 第55-57页 |
| 第三章 基于相关与非相关任务的层次度量学习算法 | 第57-75页 |
| 3.1 引言 | 第57-58页 |
| 3.2 相关研究工作 | 第58-59页 |
| 3.3 框架概述 | 第59-60页 |
| 3.4 视觉树建立 | 第60-61页 |
| 3.5 基于相关与非相关任务的层次度量学习算法 | 第61-66页 |
| 3.5.1 距离度量学习基础理论 | 第62页 |
| 3.5.2 基于多任务度量的根结点划分 | 第62-64页 |
| 3.5.3 基于相关任务与非相关任务的非根结点划分 | 第64-66页 |
| 3.6 实验结果与分析 | 第66-74页 |
| 3.6.1 合成数据集 | 第66-68页 |
| 3.6.2 真实数据集 | 第68-73页 |
| 3.6.3 计算效率实验 | 第73-74页 |
| 3.7 本章小结 | 第74-75页 |
| 第四章 层次化多任务学习快速算法 | 第75-93页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关研究工作 | 第76-77页 |
| 4.3 框架概述 | 第77-78页 |
| 4.4 非平衡视觉树 | 第78-79页 |
| 4.5 基于快速多任务SVM的层次学习算法 | 第79-84页 |
| 4.5.1 基于多任务SVM的根结点划分 | 第79-80页 |
| 4.5.2 基于层次多任务SVM非根结点划分 | 第80-82页 |
| 4.5.3 多任务SVM快速算法 | 第82-84页 |
| 4.6 实验结果与分析 | 第84-91页 |
| 4.6.1 数据集简介 | 第84页 |
| 4.6.2 多任务SVM快速算法 | 第84-87页 |
| 4.6.3 层次多任务SVM | 第87-91页 |
| 4.6.4 计算效率实验 | 第91页 |
| 4.7 本章小结 | 第91-93页 |
| 第五章 基于层次化多任务度量多核学习的室内场景识别算法 | 第93-113页 |
| 5.1 引言 | 第93-95页 |
| 5.2 相关研究工作 | 第95-96页 |
| 5.2.1 室内场景识别 | 第95页 |
| 5.2.2 RGB-D图像特征提取 | 第95-96页 |
| 5.2.3 多任务度量学习 | 第96页 |
| 5.2.4 多核学习 | 第96页 |
| 5.3 框架概述 | 第96-97页 |
| 5.4 基于RGB-D图像的多任务度量多核学习算法 | 第97-101页 |
| 5.4.1 深度特征提取 | 第97-98页 |
| 5.4.2 基于RGB-D图像的多任务度量学习 | 第98-99页 |
| 5.4.3 基于层次化多核学习的室内场景识别 | 第99-101页 |
| 5.5 实验结果与分析 | 第101-111页 |
| 5.5.1 数据集简介 | 第101-102页 |
| 5.5.2 实验算法简介 | 第102-103页 |
| 5.5.3 实验设置 | 第103-105页 |
| 5.5.4 基于多任务度量学习算法的对比实验 | 第105-107页 |
| 5.5.5 基于多核学习算法的对比实验 | 第107-108页 |
| 5.5.6 基于目标识别算法的对比实验 | 第108页 |
| 5.5.7 基于字典学习算法的对比实验 | 第108-111页 |
| 5.6 本章小结 | 第111-113页 |
| 第六章 总结与展望 | 第113-117页 |
| 6.1 本文总结 | 第113-114页 |
| 6.2 研究展望 | 第114-117页 |
| 参考文献 | 第117-131页 |
| 致谢 | 第131-133页 |
| 作者简介 | 第133-135页 |
