| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·课题的研究背景和意义 | 第7-9页 |
| ·课题研究现状 | 第9-14页 |
| ·数据降维 | 第9-10页 |
| ·流形学习发展和研究现状 | 第10-12页 |
| ·半监督学习方法 | 第12-13页 |
| ·视频分析研究现状 | 第13页 |
| ·流形学习在视频分析中的应用研究现状 | 第13-14页 |
| ·本文研究内容和结构安排 | 第14-17页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文结构安排 | 第15-17页 |
| 第二章 流形学习方法简介 | 第17-31页 |
| ·流形学习基本概念 | 第17-19页 |
| ·流形学习定义 | 第17-18页 |
| ·数据降维 | 第18页 |
| ·基于谱图理论的流形学习 | 第18-19页 |
| ·Isomap 基本算法 | 第19-23页 |
| ·多维尺度分析(MDS) | 第19-20页 |
| ·Isomap 算法 | 第20-22页 |
| ·Isomap 算法分析 | 第22-23页 |
| ·流形学习框架 | 第23-24页 |
| ·流形学习中的问题 | 第24-26页 |
| ·多流形学习问题 | 第26-28页 |
| ·多流形学习问题的提出与研究现状 | 第26-27页 |
| ·一种解决多流形学习问题的kmanifolds 算法 | 第27-28页 |
| ·本章小结 | 第28-31页 |
| 第三章 基于结点加权的半监督Isomap 算法 | 第31-43页 |
| ·半监督学习 | 第31-37页 |
| ·半监督流形学习基本概念 | 第31-33页 |
| ·半监督流形学习基本思想 | 第33-34页 |
| ·半监督流形学习算法 | 第34-37页 |
| ·基于结点加权的半监督Isomap 算法 | 第37-43页 |
| ·Isomap 算法对于多流形数据的局限性 | 第37-38页 |
| ·基于结点加权的半监督Isomap 算法 | 第38-39页 |
| ·半监督Isomap 算法降维实验 | 第39-43页 |
| 第四章 基于结点加权的半监督Isomap 算法在视频分析中的应用 | 第43-53页 |
| ·视频图像预处理 | 第43-48页 |
| ·实验数据库简介 | 第43-44页 |
| ·常用视频人体目标检测方法 | 第44-45页 |
| ·帧差图像预处理 | 第45-47页 |
| ·基于帧差法的运动人体目标检测 | 第47-48页 |
| ·基于节点加权的半监督Isomap 算法在人体运动视频分类中的应用 | 第48-52页 |
| ·预处理样本库 | 第48-49页 |
| ·相关参数的选取 | 第49页 |
| ·分类器的选择 | 第49-50页 |
| ·实验步骤 | 第50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
