多视图嵌入学习方法及其应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第19-31页 |
| 1.1 引言 | 第19-20页 |
| 1.2 多视图学习概述 | 第20-22页 |
| 1.2.1 协同训练 | 第20-21页 |
| 1.2.2 多核学习 | 第21页 |
| 1.2.3 多视图子空间学习 | 第21-22页 |
| 1.3 相关分析方法概述 | 第22-23页 |
| 1.3.1 典型相关分析 | 第22-23页 |
| 1.3.2 多重集典型相关分析 | 第23页 |
| 1.4 哈希方法概述 | 第23-27页 |
| 1.4.1 哈希学习方法回顾 | 第25-26页 |
| 1.4.2 多视图哈希学习 | 第26-27页 |
| 1.5 本文的主要研究工作和内容安排 | 第27-28页 |
| 1.6 本文工作的创新点 | 第28-31页 |
| 2 半配对离散哈希及在大规模跨视图检索中的应用 | 第31-53页 |
| 2.1 引言 | 第31-32页 |
| 2.2 相关工作介绍 | 第32-33页 |
| 2.2.1 基于半配对数据的多视图方法 | 第33页 |
| 2.3 半配对离散哈希 | 第33-41页 |
| 2.3.1 问题描述 | 第33-34页 |
| 2.3.2 模型构建 | 第34-36页 |
| 2.3.3 模型优化 | 第36-39页 |
| 2.3.4 哈希函数学习 | 第39页 |
| 2.3.5 收敛性及算法复杂度分析 | 第39-41页 |
| 2.4 实验结果与分析 | 第41-50页 |
| 2.4.1 实验数据 | 第41-42页 |
| 2.4.2 实验设置 | 第42页 |
| 2.4.3 实验结果 | 第42-44页 |
| 2.4.4 编码策略分析 | 第44页 |
| 2.4.5 离散优化分析 | 第44页 |
| 2.4.6 效率与收敛性分析 | 第44-50页 |
| 2.4.7 参数分析 | 第50页 |
| 2.5 本章小结 | 第50-53页 |
| 3 多视图离散哈希及在大规模视觉检索中的应用 | 第53-69页 |
| 3.1 引言 | 第53-54页 |
| 3.2 多视图离散哈希 | 第54-61页 |
| 3.2.1 符号及问题描述 | 第54页 |
| 3.2.2 模型构建 | 第54-57页 |
| 3.2.3 模型优化 | 第57-59页 |
| 3.2.4 新样本的哈希编码 | 第59页 |
| 3.2.5 收敛性及计算复杂度分析 | 第59-61页 |
| 3.3 实验结果与分析 | 第61-68页 |
| 3.3.1 实验数据 | 第61页 |
| 3.3.2 实验设置 | 第61-62页 |
| 3.3.3 实验结果 | 第62-66页 |
| 3.3.4 与单视图版本的比较 | 第66-67页 |
| 3.3.5 离散优化分析 | 第67页 |
| 3.3.6 效率与收敛性分析 | 第67页 |
| 3.3.7 参数分析 | 第67-68页 |
| 3.4 本章小结 | 第68-69页 |
| 4 联合嵌入多标记学习及在自动标注的应用 | 第69-85页 |
| 4.1 引言 | 第69-70页 |
| 4.2 相关工作 | 第70-72页 |
| 4.2.1 多标记学习 | 第70-71页 |
| 4.2.2 跨视图学习 | 第71页 |
| 4.2.3 哈希码学习 | 第71-72页 |
| 4.3 联合嵌入 | 第72-74页 |
| 4.3.1 问题描述 | 第72页 |
| 4.3.2 模型构建 | 第72-73页 |
| 4.3.3 模型优化 | 第73-74页 |
| 4.3.4 基于跨视图搜索的多标记预测 | 第74页 |
| 4.4 联合哈希 | 第74-77页 |
| 4.4.1 模型构建 | 第74-75页 |
| 4.4.2 模型优化 | 第75-77页 |
| 4.5 收敛性以及计算复杂度分析 | 第77-80页 |
| 4.5.1 收敛性分析 | 第77-78页 |
| 4.5.2 计算复杂度分析 | 第78-80页 |
| 4.6 实验结果与分析 | 第80-84页 |
| 4.6.1 实验数据 | 第80页 |
| 4.6.2 实验设置 | 第80-81页 |
| 4.6.3 实验结果 | 第81-82页 |
| 4.6.4 效率分析 | 第82-83页 |
| 4.6.5 参数分析 | 第83-84页 |
| 4.7 本章小结 | 第84-85页 |
| 5 多视图相关分析及在图像识别中的应用 | 第85-111页 |
| 5.1 引言 | 第85-86页 |
| 5.2 相关工作 | 第86-87页 |
| 5.2.1 典型相关分析 | 第86-87页 |
| 5.2.2 多重集典型相关分析 | 第87页 |
| 5.2.3 鉴别相关分析 | 第87页 |
| 5.3 图嵌入多重相关分析框架 | 第87-92页 |
| 5.3.1 模型构建与优化 | 第87-89页 |
| 5.3.2 代表性算法 | 第89-91页 |
| 5.3.3 讨论 | 第91-92页 |
| 5.4 实验结果与分析一 | 第92-99页 |
| 5.4.1 数据可视化实验 | 第92页 |
| 5.4.2 在手写体数据集上的实验 | 第92-96页 |
| 5.4.3 在彩色图像数据集上的实验 | 第96页 |
| 5.4.4 在物体数据集上的实验 | 第96-99页 |
| 5.4.5 参数分析 | 第99页 |
| 5.5 标签传播半监督相关分析 | 第99-103页 |
| 5.5.1 软标签矩阵估计 | 第99-100页 |
| 5.5.2 概率类内散度构造 | 第100页 |
| 5.5.3 模型构建与优化 | 第100-102页 |
| 5.5.4 多视图扩展 | 第102-103页 |
| 5.6 实验结果与分析二 | 第103-110页 |
| 5.6.1 实验设置 | 第103-107页 |
| 5.6.2 在手写体数据集上的实验 | 第107-108页 |
| 5.6.3 在人脸数据集上的实验 | 第108-110页 |
| 5.7 本章小结 | 第110-111页 |
| 6 结束语 | 第111-113页 |
| 6.1 本文工作总结 | 第111-112页 |
| 6.2 未来工作展望 | 第112-113页 |
| 附录 A 若干定理证明 | 第113-117页 |
| A.1 定理3.1的证明 | 第113页 |
| A.2 定理3.2的证明 | 第113-114页 |
| A.3 定理5.1的证明 | 第114-115页 |
| A.4 定理5.2的证明 | 第115-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-135页 |
| 攻读博士学位期间撰写的论文 | 第135-137页 |
| 攻读博士学位期间参与的科研课题 | 第137页 |
