首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于监督多流形学习的图像识别方法研究

摘要第5-6页
abstract第6-7页
第一章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 多流形学习研究现状第11-12页
        1.2.2 图像识别研究现状第12-13页
    1.3 本文主要研究工作第13-14页
    1.4 本文的结构第14-16页
第二章 流形学习方法简介第16-26页
    2.1 非线性流形学习方法第16-19页
        2.1.1 等距特征映射法第16-17页
        2.1.2 拉普拉斯特征映射法第17-18页
        2.1.3 局部线性嵌入法第18-19页
        2.1.4 非线性流形学习方法总结第19页
    2.2 线性流形学习方法第19-25页
        2.2.1 主成分分析法第19-20页
        2.2.2 局部保持投影法第20-21页
        2.2.3 线性判别分析法第21-22页
        2.2.4 多流形判别分析法第22-24页
        2.2.5 线性流形学习方法总结第24-25页
    2.3 本章小结第25-26页
第三章 基于监督多流形学习的分类方法第26-34页
    3.1 算法原理第26-29页
    3.2 低维维数d的确定方法第29-30页
    3.3 实验结果第30-33页
        3.3.1 低维维数确定方法有效性验证第30-31页
        3.3.2 监督多流形学习方法与其他方法的比较第31-33页
    3.4 本章小结第33-34页
第四章 监督多流形学习方法在图像识别中的应用第34-48页
    4.1 监督多流形学习方法在人脸识别中的应用第34-40页
        4.1.1 人脸识别简介第34-35页
        4.1.2 数据集第35页
        4.1.3 实验结果第35-39页
        4.1.4 实验结果分析第39-40页
    4.2 监督多流形学习方法在路面裂缝识别中的应用第40-47页
        4.2.1 路面裂缝识别简介第40-41页
        4.2.2 数据集第41-42页
        4.2.3 实验结果第42-47页
        4.2.4 实验结果分析第47页
    4.3 本章小结第47-48页
第五章 结论第48-50页
    5.1 研究工作总结第48-49页
    5.2 研究工作展望第49-50页
参考文献第50-54页
攻读学位期间取得的相关科研成果第54-56页
致谢第56-57页

论文共57页,点击 下载论文
上一篇:基于多特征融合的跌倒行为识别与研究
下一篇:面向数据灾难恢复的副本管理多目标优化技术研究与实现