基于特征子空间的高精度图像分类器实现
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·基于语义图像检索技术 | 第8-9页 |
| ·基于语义图像分类技术 | 第9页 |
| ·语义图像检索整体框架 | 第9-10页 |
| ·论文目标及重点工作 | 第10-11页 |
| 第2章 图像分类与机器学习 | 第11-21页 |
| ·分类技术与图像分类 | 第11-13页 |
| ·分类算法 | 第11-12页 |
| ·分类系统性能评价标准 | 第12页 |
| ·图像分类技术 | 第12-13页 |
| ·图像底层特征 | 第13-14页 |
| ·颜色特征 | 第13页 |
| ·纹理特征 | 第13-14页 |
| ·形状特征 | 第14页 |
| ·空间特征 | 第14页 |
| ·特征子空间 | 第14-16页 |
| ·机器学习及算法 | 第16-19页 |
| ·机器学习 | 第16-17页 |
| ·机器学习发展过程 | 第17页 |
| ·常用学习算法 | 第17-19页 |
| ·本章小结 | 第19-21页 |
| 第3章 支持向量机 | 第21-29页 |
| ·统计学理论 | 第21-23页 |
| ·最优分类超平面 | 第23-24页 |
| ·线性支持向量机 | 第24-25页 |
| ·非线性支持向量机 | 第25-28页 |
| ·非线性支持向量机算法 | 第26页 |
| ·常用核函数 | 第26-28页 |
| ·多类分类问题 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于特征子空间图像分类器设计 | 第29-53页 |
| ·语义分层和特征提取 | 第29-31页 |
| ·语义分层 | 第29-30页 |
| ·图像特征提取 | 第30-31页 |
| ·基于SVM 分类器构建和语义映射 | 第31-33页 |
| ·弱分类器组合与AdaBoost 算法 | 第33-34页 |
| ·基于AdaBoost 的SVM 分类器设计 | 第34-44页 |
| ·SVM 与AdaBoost 比较 | 第34-35页 |
| ·AdaBoost-SVM 算法与权值调整 | 第35-38页 |
| ·弱分类器的构建-线性核SVM | 第38页 |
| ·SVM 的C 参数设置 | 第38-39页 |
| ·AdaBoost-SVM 分类器二分类精度测试 | 第39-44页 |
| ·决策函数与多分类 | 第44-45页 |
| ·特征子空间算法 | 第45-50页 |
| ·基于特征子空间的弱分类器构建算法 | 第45-49页 |
| ·特征子空间与特征融合 | 第49-50页 |
| ·图像标注与语义图像检索 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 图像分类器精度测试及分析 | 第53-58页 |
| ·测试环境与实验对象 | 第53页 |
| ·相关对比试验结果及分析 | 第53-57页 |
| ·图像分类器多分类精度测试 | 第53-55页 |
| ·特征子空间分类器精度测试 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 摘要 | 第65-67页 |
| Abstract | 第67-70页 |
