面向图像分类的跨域字典学习
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-25页 |
| 1.2.1 图像分类研究现状 | 第16-20页 |
| 1.2.2 基于迁移学习或字典学习的图像分类 | 第20-25页 |
| 1.3 论文研究内容和结构安排 | 第25-27页 |
| 1.3.1 研究内容 | 第25页 |
| 1.3.2 结构安排 | 第25-27页 |
| 第二章 字典学习及其算法 | 第27-36页 |
| 2.1 字典学习构造 | 第27-28页 |
| 2.1.1 字典重构 | 第27页 |
| 2.1.2 稀疏约束 | 第27-28页 |
| 2.2 稀疏分解算法 | 第28-32页 |
| 2.2.1 MP算法 | 第29-31页 |
| 2.2.2 OMP算法 | 第31-32页 |
| 2.3 字典学习算法 | 第32-34页 |
| 2.4 字典学习在图像分类中的应用 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 带迁移误差的跨域字典学习 | 第36-49页 |
| 3.1 整体框架 | 第36-37页 |
| 3.2 字典学习在域适应中的表现形式 | 第37-38页 |
| 3.2.1 跨域字典学习表现形式 | 第37页 |
| 3.2.2 迁移矩阵的构造 | 第37-38页 |
| 3.3 带迁移误差的跨域字典学习表现形式 | 第38-39页 |
| 3.4 优化 | 第39-42页 |
| 3.4.1 表达式优化 | 第39-42页 |
| 3.4.2 初始化 | 第42页 |
| 3.5 分类 | 第42-43页 |
| 3.6 实验及分析 | 第43-48页 |
| 3.6.1 实验数据准备 | 第43-45页 |
| 3.6.2 实验结果与分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 多源跨域字典学习 | 第49-62页 |
| 4.1 整体框架 | 第49-50页 |
| 4.2 字典学习在多源域适应中的表现形式 | 第50-52页 |
| 4.3 优化 | 第52-55页 |
| 4.3.1 表达式优化 | 第52-54页 |
| 4.3.2 初始化 | 第54页 |
| 4.3.3 收敛性分析 | 第54-55页 |
| 4.4 分类 | 第55页 |
| 4.5 实验及分析 | 第55-60页 |
| 4.5.1 实验数据准备 | 第55-56页 |
| 4.5.2 实验结果与分析 | 第56-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 后续工作展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附表 | 第73页 |
