基于多特征潜在狄利克雷分布的极光图像分类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容及章节安排 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.3 章节安排 | 第15-16页 |
| 第二章 概率主题模型基本理论与方法 | 第16-24页 |
| 2.1 概率主题模型基本理论 | 第16-20页 |
| 2.1.1 概率潜在语义分析(PLSA)模型 | 第16-18页 |
| 2.1.2 潜在狄利克雷分布(LDA)模型 | 第18-20页 |
| 2.2 概率主题模型的发展与应用 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于LDA模型的极光图像分类 | 第24-38页 |
| 3.1 常用的特征提取方法和分类器 | 第24-30页 |
| 3.1.1 光谱特征提取方法 | 第24-25页 |
| 3.1.2 结构特征提取方法 | 第25-26页 |
| 3.1.3 纹理特征提取方法 | 第26-27页 |
| 3.1.4 常用分类器 | 第27-30页 |
| 3.2 基于LDA模型的极光图像分类流程 | 第30-33页 |
| 3.2.1 极光图像的词袋表达 | 第30-31页 |
| 3.2.2 LDA模型的构建 | 第31-33页 |
| 3.2.3 具体分类流程 | 第33页 |
| 3.3 实验与分析 | 第33-37页 |
| 3.3.1 实验数据及设置 | 第33-34页 |
| 3.3.2 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于多特征LDA模型的极光图像分类 | 第38-51页 |
| 4.1 极光图像的多特征提取和1-D直方图表达 | 第38-39页 |
| 4.2 多特征LDA模型的构建 | 第39-42页 |
| 4.3 基于多特征LDA模型的极光图像分类流程 | 第42页 |
| 4.4 实验与分析 | 第42-50页 |
| 4.4.1 实验数据及设置 | 第43-44页 |
| 4.4.2 实验结果及分析 | 第44-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-54页 |
| 5.1 本文总结 | 第51-53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻硕期间发表的学术论文和参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
