| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 特征提取 | 第15-17页 |
| 1.2.2 机器学习算法 | 第17-20页 |
| 1.3 本文研究重点与创新 | 第20-21页 |
| 1.4 本文研究内容及结构 | 第21-23页 |
| 第二章 相关工作 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 基于稀疏编码的动作特征提取 | 第23-29页 |
| 2.2.1 基于密集轨迹的底层动作特征提取 | 第23-26页 |
| 2.2.2 底层动作特征的稀疏表达 | 第26-29页 |
| 2.3 自步学习(SPL) | 第29-32页 |
| 2.3.1 课程学习与自步学习 | 第29-30页 |
| 2.3.2 自步学习算法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于多视角自步学习的人体动作识别算法 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 多视角学习 | 第33-37页 |
| 3.2.1 多视角算法研究 | 第34-35页 |
| 3.2.2 基于LPBoost的多视角融合算法 | 第35-37页 |
| 3.3 基于多视角自步学习的人体动作识别 | 第37-40页 |
| 3.4 实验结果与分析 | 第40-51页 |
| 3.4.1 实验环境和数据集 | 第40-42页 |
| 3.4.2 实验系统框图 | 第42-43页 |
| 3.4.3 实验过程 | 第43页 |
| 3.4.4 实验结果与分析 | 第43-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于多视角自步学习序列的多任务学习模型 | 第52-79页 |
| 4.1 引言 | 第52页 |
| 4.2 多任务学习 | 第52-61页 |
| 4.2.1 多任务学习理论基础 | 第53-57页 |
| 4.2.2 经典多任务学习模型 | 第57-61页 |
| 4.3 课程序列的多任务学习 | 第61-66页 |
| 4.3.1 固定序列多任务学习 | 第62-63页 |
| 4.3.2 依赖数据的序列多任务学习 | 第63-65页 |
| 4.3.3 多序列的多任务学习 | 第65-66页 |
| 4.4 基于多视角课程序列的多任务学习模型 | 第66-70页 |
| 4.5 基于多视角自步学习序列的多任务学习模型 | 第70-73页 |
| 4.5.1 基于MV_SPL_SeqMT的人体动作识别算法 | 第70-72页 |
| 4.5.2 SPL_SeqMT算法 | 第72-73页 |
| 4.6 实验 | 第73-78页 |
| 4.6.1 实验环境和数据集 | 第73-74页 |
| 4.6.2 实验设置 | 第74页 |
| 4.6.3 实验结果与分析 | 第74-78页 |
| 4.7 本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 5.1 总结 | 第79-80页 |
| 5.2 展望 | 第80-81页 |
| 参考文献 | 第81-88页 |
| 攻读硕士学位期间取得的科研成果 | 第88-89页 |
| 攻读硕士学位期间参与的科研项目 | 第89-90页 |
| 致谢 | 第90页 |