融合深度学习的图像分类算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像特征提取 | 第11-12页 |
| 1.2.2 分类算法 | 第12-14页 |
| 1.3 本文主要工作与章节安排 | 第14-16页 |
| 第二章 基于聚类算法的无监督图像分类 | 第16-31页 |
| 2.1 常见聚类算法 | 第16-24页 |
| 2.1.1 K-均值聚类算法 | 第16-18页 |
| 2.1.2 仿射传播聚类算法 | 第18-21页 |
| 2.1.3 层次聚类算法 | 第21-24页 |
| 2.2 SIFT特征提取算法 | 第24-29页 |
| 2.3 基于聚类算法的无监督图像分类的基本步骤 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于AP聚类算法的无监督图像分类 | 第31-38页 |
| 3.1 基于SIFT特征的匹配算法 | 第31-33页 |
| 3.1.1 硬匹配 | 第31-32页 |
| 3.1.2 软匹配 | 第32-33页 |
| 3.2 图像间相似度的度量方法 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于层次聚类算法的无监督图像分类 | 第38-43页 |
| 4.1 图像间非相似度的度量方法 | 第38-39页 |
| 4.2 实验结果及分析 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 基于深度学习的有监督图像分类 | 第43-61页 |
| 5.1 人工神经网络 | 第43-46页 |
| 5.1.1 神经元 | 第43-45页 |
| 5.1.2 多层感知机 | 第45-46页 |
| 5.2 卷积神经网络 | 第46-49页 |
| 5.2.1 局部感知 | 第47页 |
| 5.2.2 权值共享 | 第47-48页 |
| 5.2.3 降采样 | 第48页 |
| 5.2.4 多卷积核 | 第48页 |
| 5.2.5 多卷积层 | 第48-49页 |
| 5.3 多粒度级联森林 | 第49-57页 |
| 5.3.1 决策树和随机森林 | 第49-54页 |
| 5.3.2 多粒度扫描 | 第54-55页 |
| 5.3.3 级联森林 | 第55-57页 |
| 5.4 实验结果及分析 | 第57-59页 |
| 5.4.1 人脸识别 | 第57-59页 |
| 5.4.2 图像分类 | 第59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61页 |
| 6.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间申请的专利 | 第67-68页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
