自编码正则化时间配准算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 英文缩写词对照表 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 研究现状 | 第14-17页 |
| 1.3.1 时间配准方法研究现状 | 第14-15页 |
| 1.3.2 特征表达学习方法研究现状 | 第15-17页 |
| 1.3.3 时间配准方法面临的挑战 | 第17页 |
| 1.4 论文工作 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 第二章 时间配准相关研究 | 第19-28页 |
| 2.1 动态时间规整方法 | 第19-20页 |
| 2.2 基于特征表达的改进方法 | 第20-23页 |
| 2.2.1 典型时间规整 | 第20-21页 |
| 2.2.2 流形时间规整 | 第21-22页 |
| 2.2.3 鲁棒时间序列规整 | 第22-23页 |
| 2.3 基于时间规整的改进方法 | 第23-25页 |
| 2.3.1 ICCA | 第23-24页 |
| 2.3.2 泛化典型时间序列规整 | 第24-25页 |
| 2.4 自编码相关研究 | 第25-27页 |
| 2.4.1 栈式降噪自编码 | 第25-26页 |
| 2.4.2 线性边缘栈式自编码 | 第26-27页 |
| 2.4.3 非线性边缘栈式自编码 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 非线性自编码正则化的时间序列规整 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 AECTW模型 | 第29-32页 |
| 3.2.1 模型 | 第29-31页 |
| 3.2.2 优化 | 第31-32页 |
| 3.3 实验结果 | 第32-39页 |
| 3.3.1 时间序列配准 | 第32-34页 |
| 3.3.2 人类行为识别 | 第34-37页 |
| 3.3.3 统计分析 | 第37页 |
| 3.3.4 参数选择 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 栈式时间配准框架 | 第40-57页 |
| 4.1 引言 | 第40-42页 |
| 4.2 栈式时间配准 | 第42-49页 |
| 4.2.1 栈式时间配准框架 | 第42-45页 |
| 4.2.2 栈式边缘时间规整(SMTW) | 第45-49页 |
| 4.3 实验结果 | 第49-56页 |
| 4.3.1 评价准则 | 第49-50页 |
| 4.3.2 案例研究 | 第50-52页 |
| 4.3.3 行为识别 | 第52-54页 |
| 4.3.4 执行时间分析 | 第54-55页 |
| 4.3.5 参数选择 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作不足与展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 作者在学期间取得的学术成果 | 第67页 |
