基于概率主题模型的图像分类和标注的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-22页 |
| ·课题的研究背景及意义 | 第12-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的研究内容及成果 | 第16-19页 |
| ·论文的研究内容 | 第16-17页 |
| ·论文的研究成果 | 第17-19页 |
| ·论文的结构安排 | 第19-22页 |
| 第二章 词袋表示和概率图模型 | 第22-36页 |
| ·词袋表示 | 第22-24页 |
| ·特征的检测和表示 | 第22-23页 |
| ·码书的构建 | 第23页 |
| ·图像的词频表示 | 第23-24页 |
| ·概率图模型 | 第24-27页 |
| ·贝叶斯网络 | 第25-26页 |
| ·马尔可夫网络 | 第26-27页 |
| ·EM算法 | 第27-28页 |
| ·近似推理方法 | 第28-30页 |
| ·变分推理算法 | 第29-30页 |
| ·概率主题模型LDA | 第30-35页 |
| ·符号和术语 | 第30-31页 |
| ·LDA模型 | 第31-33页 |
| ·变分推理 | 第33-34页 |
| ·参数估计 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 集成的有监督概率主题模型 | 第36-52页 |
| ·引言 | 第36-37页 |
| ·相关工作 | 第37-39页 |
| ·sLDA模型 | 第38页 |
| ·Multi-class sLDA模型 | 第38-39页 |
| ·Mixture of softmax模型 | 第39页 |
| ·提出的模型 | 第39-41页 |
| ·参数估计和预测 | 第41-46页 |
| ·参数估计 | 第41-45页 |
| ·预测 | 第45-46页 |
| ·实验 | 第46-50页 |
| ·数据和预处理 | 第46页 |
| ·分类性能 | 第46-49页 |
| ·实验性能分析 | 第49页 |
| ·分类规则可视化 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 多视图有监督的概率主题模型 | 第52-68页 |
| ·引言 | 第52-53页 |
| ·相关工作 | 第53-54页 |
| ·SBMLR模型 | 第54页 |
| ·提出的模型 | 第54-56页 |
| ·参数估计和预测 | 第56-61页 |
| ·参数估计 | 第56-60页 |
| ·预测 | 第60-61页 |
| ·实验 | 第61-65页 |
| ·数据和预处理 | 第61-63页 |
| ·分类性能 | 第63-64页 |
| ·结果分析 | 第64-65页 |
| ·本章小结 | 第65-68页 |
| 第五章 用类别信息促进图像标注的概率主题模型 | 第68-80页 |
| ·引言 | 第68页 |
| ·相关工作 | 第68-71页 |
| ·Li-LDA模型 | 第69-70页 |
| ·Corr-LDA模型 | 第70-71页 |
| ·提出的模型 | 第71-73页 |
| ·参数估计和预测 | 第73-76页 |
| ·参数估计 | 第73-75页 |
| ·图像标注 | 第75-76页 |
| ·实验 | 第76-79页 |
| ·数据和预处理 | 第76-77页 |
| ·标注性能 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 同时做图像分类和标注的概率主题模型 | 第80-96页 |
| ·引言 | 第80-81页 |
| ·相关工作 | 第81-84页 |
| ·MCa-sLDA模型 | 第82-83页 |
| ·Tr-mmLDA模型 | 第83-84页 |
| ·提出的模型 | 第84-86页 |
| ·变分推理和参数估计 | 第86-90页 |
| ·变分推理 | 第86-88页 |
| ·参数估计 | 第88-89页 |
| ·图像分类和标注 | 第89-90页 |
| ·实验 | 第90-94页 |
| ·图像分类 | 第91-92页 |
| ·图像标注 | 第92-94页 |
| ·本章小结 | 第94-96页 |
| 第七章 论文工作总结与展望 | 第96-100页 |
| ·论文工作总结 | 第96-97页 |
| ·进一步的工作 | 第97-100页 |
| 参考文献 | 第100-110页 |
| 致谢 | 第110-112页 |
| 攻读博士学位期间发表的论文 | 第112页 |
