基于复杂网络的图像分类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及研究目的与意义 | 第10-12页 |
| ·图像分类算法的研究现状 | 第12-14页 |
| ·基本视觉特征提取 | 第12-13页 |
| ·视觉特征表达 | 第13页 |
| ·视觉特征学习 | 第13-14页 |
| ·本文研究内容 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 复杂网络基本概念与图像网络节点定位 | 第16-25页 |
| ·引言 | 第16页 |
| ·复杂网络的发展 | 第16-18页 |
| ·复杂网络的基本概念及其表示 | 第18-20页 |
| ·图像特征网络节点的选择 | 第20-22页 |
| ·图像网络节点定位 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 图像网络特征提取 | 第25-39页 |
| ·引言 | 第25页 |
| ·图像特征的权重确定 | 第25-27页 |
| ·特征网络的矩阵描述 | 第27-30页 |
| ·常用网络参数 | 第30-33页 |
| ·节点的度 | 第30页 |
| ·节点强度与离散度 | 第30-31页 |
| ·聚类系数 | 第31-32页 |
| ·平均路径长度 | 第32页 |
| ·图像特征网络的参数提取 | 第32-33页 |
| ·图像网络特征提取 | 第33-35页 |
| ·网络统计量有效性分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 非负编码 | 第39-48页 |
| ·引言 | 第39页 |
| ·基于BOF与SPM的图像分类整体框架 | 第39-40页 |
| ·常用特征编码算法 | 第40-44页 |
| ·词袋模型 | 第40-41页 |
| ·空间金字塔匹配 | 第41-42页 |
| ·特征编码算法 | 第42-44页 |
| ·特征汇聚 | 第44页 |
| ·非负编码 | 第44-45页 |
| ·非负编码稳定性分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-58页 |
| ·引言 | 第48页 |
| ·支持向量机 | 第48-51页 |
| ·线性可分 | 第49-50页 |
| ·线性不可分 | 第50页 |
| ·核函数 | 第50-51页 |
| ·复杂网络的图像分类实验 | 第51-53页 |
| ·复杂网络的图像分类算法分析 | 第53-56页 |
| ·网络特征提取对分类影响 | 第54-55页 |
| ·非负编码对分类影响 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |
