首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于特征降维的场景分类方法研究

摘要第1-5页
ABSTRACT第5-9页
第一章 绪论第9-14页
   ·场景分类的研究目的及意义第9页
   ·场景分类的研究现状第9-12页
     ·基于低层特征的方法第10-11页
     ·基于语义特征的方法第11-12页
   ·本文的主要研究内容和创新成果第12-14页
     ·主要研究内容第12-13页
     ·创新成果第13-14页
第二章 图像中的场景分类技术第14-21页
   ·引言第14页
   ·特征提取和图像表示第14-17页
     ·特征检测第14-15页
     ·特征描述第15-17页
   ·分类器设计第17-19页
   ·系统评价第19-20页
   ·本章小结第20-21页
第三章 基于SIFT特征视觉单词降维的场景分类方法第21-36页
   ·引言第21页
   ·基于SIFT特征视觉单词降维的场景分类方法第21-31页
     ·提取 SIFT特征第22-25页
     ·基于SIFT特征的词袋模型第25-26页
     ·特征编码第26-27页
     ·特征合并第27页
     ·特征降维第27-30页
     ·多类线性SVM第30-31页
   ·实验结果与分析第31-35页
     ·场景图像库第31-32页
     ·实验参数设置第32-33页
     ·基于SIFT特征视觉单词降维的场景分类结果第33-34页
     ·与已有方法比较第34-35页
   ·本章小结第35-36页
第四章 基于多特征降维和融合的场景分类方法第36-47页
   ·引言第36页
   ·基于特征融合的场景分类方法第36-38页
     ·前融合场景分类方法第36-37页
     ·后融合场景分类方法第37-38页
   ·基于多特征降维和融合的场景分类方法第38-42页
     ·基于多特征降维和融合的场景分类方法思想第38-39页
     ·基于多特征降维和融合的场景分类方法实现第39-42页
   ·实验结果与分析第42-46页
     ·场景图像库第42-43页
     ·实验设置第43页
     ·基于多特征降维和融合的场景分类方法结果第43-45页
     ·与已有方法比较第45-46页
   ·本章小结第46-47页
第五章 总结与展望第47-49页
   ·全文工作总结第47-48页
   ·未来工作展望第48-49页
参考文献第49-54页
致谢第54-55页
攻读硕士学位期间已发表或录用的论文第55-57页

论文共57页,点击 下载论文
上一篇:大规模语义数据分析系统
下一篇:基于Web服务网络及其社会关系的Web服务推荐