| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究内容与方法 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第2章 稀疏表示与表达学习模型 | 第19-27页 |
| 2.1 稀疏表示模型 | 第19-22页 |
| 2.1.1 稀疏分解算法 | 第19-21页 |
| 2.1.2 字典构造算法 | 第21-22页 |
| 2.2 表达学习分类模型 | 第22-26页 |
| 2.2.1 基于稀疏表示的分类算法 | 第22-24页 |
| 2.2.2 基于协同表示的分类算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于字典样本优化的协同表达分类 | 第27-43页 |
| 3.1 直方图的基本原理 | 第27-29页 |
| 3.2 基于直方图的字典样本优化 | 第29-31页 |
| 3.3 算法分析及细节探究 | 第31-35页 |
| 3.4 实验结果和分析 | 第35-41页 |
| 3.4.1 实验数据集 | 第35-37页 |
| 3.4.2 实验性能 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于局部二值特征字典构造及优化的协同表达分类 | 第43-57页 |
| 4.1 局部二值模式的基本原理 | 第43-46页 |
| 4.2 基于局部二值特征字典构造的协同表达分类 | 第46-49页 |
| 4.2.1 原理阐述 | 第46-47页 |
| 4.2.2 算法分析 | 第47-48页 |
| 4.2.3 实验性能 | 第48-49页 |
| 4.3 局部二值特征字典优化 | 第49-55页 |
| 4.3.1 原理阐述 | 第50-51页 |
| 4.3.2 算法分析 | 第51页 |
| 4.3.3 实验性能 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 论文总结 | 第57页 |
| 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |