| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 名词和缩略语表 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 深度学习研究现状 | 第14-15页 |
| 1.2.2 卷积神经网络研究现状 | 第15页 |
| 1.2.3 主成分分析网络研究现状 | 第15-16页 |
| 1.2.4 混合卷积网络研究现状 | 第16-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 卷积网络介绍 | 第19-25页 |
| 2.1 卷积神经网络 | 第19-21页 |
| 2.1.1 概述 | 第19页 |
| 2.1.2 CNN的基本结构 | 第19-21页 |
| 2.1.3 卷积层详述 | 第21页 |
| 2.2 主成分分析网络 | 第21-23页 |
| 2.2.1 概述 | 第21页 |
| 2.2.2 PCANet的基本结构 | 第21-22页 |
| 2.2.3 PCA滤波过程 | 第22-23页 |
| 2.3 小波散射网络 | 第23-24页 |
| 2.3.1 概述 | 第23页 |
| 2.3.2 ScatNet的基本结构 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 矩网络的构造 | 第25-41页 |
| 3.1 矩函数 | 第25-27页 |
| 3.2 矩网络的组成结构 | 第27-30页 |
| 3.2.1 数据预处理 | 第28页 |
| 3.2.2 矩网络的第一层滤波 | 第28-29页 |
| 3.2.3 矩网络的第二层滤波 | 第29页 |
| 3.2.4 矩网络输出层 | 第29-30页 |
| 3.2.5 训练与测试 | 第30页 |
| 3.3 实验准备 | 第30-32页 |
| 3.3.1 实验目的 | 第30-31页 |
| 3.3.2 实验环境与工具 | 第31页 |
| 3.3.3 数据集描述 | 第31-32页 |
| 3.4 实验结果分析与讨论 | 第32-39页 |
| 3.4.1 阈值t对矩网络的影响 | 第32-34页 |
| 3.4.2 其他参数对矩网络的影响 | 第34-37页 |
| 3.4.3 不同的矩对矩网络的影响 | 第37-38页 |
| 3.4.4 与其他分类方法的比较 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 混合卷积网络 | 第41-55页 |
| 4.1 FrScatNet+CNN组成结构 | 第41-45页 |
| 4.1.1 数据预处理 | 第41-42页 |
| 4.1.2 FrScatNet结构 | 第42-43页 |
| 4.1.3 CNN结构 | 第43-45页 |
| 4.2 FrScatNet+CNN网络实验分析 | 第45-49页 |
| 4.2.1 实验环境与工具 | 第45页 |
| 4.2.2 实验描述 | 第45-47页 |
| 4.2.3 CIFAR数据集上的实验 | 第47-48页 |
| 4.2.4 与其他分类方法的比较 | 第48-49页 |
| 4.3 ScatNet+SCNN和ScatNet+FCN混合卷积网络 | 第49-50页 |
| 4.3.1 ScatNet+SCNN结构 | 第49页 |
| 4.3.2 ScatNet+FCN结构 | 第49-50页 |
| 4.4 ScatNet+SCNN和ScatNet+FCN实验分析 | 第50-53页 |
| 4.4.1 实验描述 | 第50-51页 |
| 4.4.2 实验结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 工作总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 作者简介 | 第64页 |