基于稀疏表示的图像目标分类方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第9-12页 |
| 第1章 引言 | 第12-21页 |
| 1.1 课题背景及研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 现有分类算法比较 | 第13-17页 |
| 1.2.2 目标分类的准确率排名 | 第17-18页 |
| 1.2.3 本文方法选取 | 第18页 |
| 1.3 图像目标分类的应用 | 第18-19页 |
| 1.4 论文的主要工作及章节安排 | 第19-21页 |
| 第2章 基于稀疏表示和SVM的目标分类 | 第21-45页 |
| 2.1 基于稀疏表示的特征描述 | 第21-36页 |
| 2.1.1 范数规则化 | 第22-24页 |
| 2.1.2 稀疏编码部分 | 第24-28页 |
| 2.1.3 字典学习部分 | 第28-36页 |
| 2.2 基于SVM的特征分类 | 第36-45页 |
| 2.2.1 Logistic回归 | 第36-37页 |
| 2.2.2 线性可分的超平面选取 | 第37-39页 |
| 2.2.3 线性不可分的超平面选取 | 第39-45页 |
| 第3章 基于稀疏表示的算法改进 | 第45-57页 |
| 3.1 M-HMP算法原理及算法改进 | 第45-49页 |
| 3.1.1 M-HMP算法原理 | 第45-48页 |
| 3.1.2 改进字典学习算法 | 第48-49页 |
| 3.2 算法有效性验证 | 第49-57页 |
| 3.2.1 修改参数的有效性否定 | 第49-53页 |
| 3.2.2 单条路径的有效性验证 | 第53-55页 |
| 3.2.3 总体准确率的有效性验证 | 第55-57页 |
| 第4章 图像目标分类的实现 | 第57-62页 |
| 4.1 路径选择和参数设计 | 第57-59页 |
| 4.2 路径权重设计 | 第59-62页 |
| 第5章 总结及展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62页 |
| 5.2 后续工作 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
