移动边缘计算环境下的图像识别算法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 论文主要工作 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第二章 相关背景技术介绍 | 第14-26页 |
| 2.1 移动边缘计算 | 第14-19页 |
| 2.1.1 移动边缘计算概述 | 第14-15页 |
| 2.1.2 移动边缘计算与5G研究现状 | 第15-16页 |
| 2.1.3 移动边缘计算中的计算卸载 | 第16-17页 |
| 2.1.4 移动边缘计算应用场景 | 第17-19页 |
| 2.2 特征提取技术 | 第19-24页 |
| 2.2.1 特征提取技术基本概述 | 第20-21页 |
| 2.2.2 边界Fisher分析算法 | 第21-22页 |
| 2.2.3 局部近邻判别嵌入算法 | 第22-23页 |
| 2.2.4 双邻接图的判别近邻嵌入算法 | 第23-24页 |
| 2.3 小结 | 第24-26页 |
| 第三章 图像特征提取的分层判别分析算法 | 第26-50页 |
| 3.1 引言 | 第26页 |
| 3.2 分层判别分析算法 | 第26-28页 |
| 3.3 选择先优化类内距离之和的原因 | 第28-32页 |
| 3.4 与其他算法的比较 | 第32-33页 |
| 3.5 实验比较 | 第33-47页 |
| 3.5.1 Yale数据集 | 第35-36页 |
| 3.5.2 UMIST数据集 | 第36-38页 |
| 3.5.3 ORL数据集 | 第38-40页 |
| 3.5.4 Extend-YaleB数据集 | 第40-41页 |
| 3.5.5 ISOLET数据集 | 第41-43页 |
| 3.5.6 BinAlpha数据集 | 第43-45页 |
| 3.5.7 USPS数据集 | 第45-46页 |
| 3.5.8 整体对比 | 第46-47页 |
| 3.6 小结 | 第47-50页 |
| 第四章 移动边缘计算环境下的图像识别算法的实现 | 第50-64页 |
| 4.1 引言 | 第50-51页 |
| 4.2 安卓客户端图像采集软件 | 第51-54页 |
| 4.2.1 开发环境搭建 | 第51-52页 |
| 4.2.2 需求分析 | 第52页 |
| 4.2.3 设计与实现 | 第52-54页 |
| 4.3 移动边缘计算环境下的图像识别优化算法应用 | 第54-62页 |
| 4.3.1 系统概述与实现 | 第54-58页 |
| 4.3.2 进行对比的移动云计算架构 | 第58-59页 |
| 4.3.3 实验环境搭建 | 第59-60页 |
| 4.3.4 实验结果 | 第60-62页 |
| 4.4 小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-68页 |
| 5.1 论文工作总结 | 第64-66页 |
| 5.2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文目录 | 第72-74页 |
| 附录 | 第74-79页 |
