多特征融合的场景分类方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第2章 关键技术分析 | 第13-22页 |
| 2.1 概率潜在语义分析(PLSA)模型 | 第13-15页 |
| 2.1.1 原理 | 第13-14页 |
| 2.1.2 模型参数 | 第14页 |
| 2.1.3 参数估计算法 | 第14-15页 |
| 2.2 稀疏编码 | 第15-18页 |
| 2.2.1 局部约束线性编码 | 第16-17页 |
| 2.2.2 最大池化 | 第17-18页 |
| 2.3 支持向量机 | 第18-20页 |
| 2.3.1 线性SVM | 第18-19页 |
| 2.3.2 非线性SVM | 第19-20页 |
| 2.3.3 多类线性SVM | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 基于PLSA的多特征融合图像场景分类方法 | 第22-37页 |
| 3.1 特征提取与表示 | 第22-26页 |
| 3.1.1 SIFT特征 | 第22-25页 |
| 3.1.2 LBP特征 | 第25-26页 |
| 3.2 图像多特征表示 | 第26-28页 |
| 3.3 方法描述 | 第28-29页 |
| 3.4 实验与分析 | 第29-36页 |
| 3.4.1 实验数据集 | 第29-31页 |
| 3.4.2 最优参数设置 | 第31-32页 |
| 3.4.3 单一特征和多特征的分类结果比较 | 第32-34页 |
| 3.4.4 本章方法与经典算法性能对比 | 第34-35页 |
| 3.4.5 本章方法与多特征融合方法性能对比 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于稀疏编码的多特征融合场景分类方法 | 第37-47页 |
| 4.1 特征提取与表示 | 第37-39页 |
| 4.1.1 GIST特征 | 第37-38页 |
| 4.1.2 PHOG特征 | 第38-39页 |
| 4.2 多特征融合方式 | 第39-40页 |
| 4.3 方法描述 | 第40-42页 |
| 4.3.1 整体框架 | 第40-41页 |
| 4.3.2 SIFT特征稀疏向量表示 | 第41-42页 |
| 4.4 实验与分析 | 第42-46页 |
| 4.4.1 数据集 | 第42页 |
| 4.4.2 参数设置 | 第42页 |
| 4.4.3 本章方法与单一特征方法性能对比 | 第42-45页 |
| 4.4.4 本章方法与现有方法性能对比 | 第45-46页 |
| 4.4.5 本章方法与多特征融合方法性能对比 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 论文工作总结 | 第47页 |
| 5.2 下一步工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间的科研成果 | 第53-54页 |
| 致谢 | 第54-55页 |
