| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 图像分类研究现状 | 第10-12页 |
| 1.2.2 卷积神经网络研究现状 | 第12-16页 |
| 1.3 论文主要研究内容及结构安排 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 相关理论概述 | 第19-29页 |
| 2.1 卷积神经网络 | 第19-21页 |
| 2.1.1 神经元 | 第19页 |
| 2.1.2 卷积层 | 第19-20页 |
| 2.1.3 池化层 | 第20-21页 |
| 2.1.4 全连接层 | 第21页 |
| 2.1.5 激活函数 | 第21页 |
| 2.2 遗传算法 | 第21-22页 |
| 2.2.1 遗传算法理论基础 | 第21-22页 |
| 2.2.2 遗传算法基本操作 | 第22页 |
| 2.3 Bagging算法 | 第22-24页 |
| 2.3.1 Bagging实现原理 | 第23-24页 |
| 2.3.2 Bagging算法描述 | 第24页 |
| 2.4 图像分类数据库 | 第24-26页 |
| 2.4.1 Cifar-10数据集 | 第25-26页 |
| 2.4.2 Cifar-100数据集 | 第26页 |
| 2.5 本章小结 | 第26-29页 |
| 第三章 基于遗传算法和卷积神经网络的图像分类算法 | 第29-41页 |
| 3.1 问题的提出 | 第29-30页 |
| 3.2 基于遗传算法和卷积神经网络的图像分类算法 | 第30-36页 |
| 3.2.1 卷积神经网络结构 | 第30页 |
| 3.2.2 卷积神经网络权重调整策略 | 第30-32页 |
| 3.2.3 后向传播更新网络权重 | 第32-33页 |
| 3.2.4 遗传算子优化网络权重 | 第33-36页 |
| 3.3 实验及结果分析 | 第36-40页 |
| 3.3.1 Cifar-10数据集实验 | 第36-39页 |
| 3.3.2 Cifar-100数据集实验 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于Bagging和卷积神经网络的图像分类算法 | 第41-49页 |
| 4.1 问题的提出 | 第41-42页 |
| 4.2 基于Bagging和卷积神经网络的图像分类算法 | 第42-44页 |
| 4.2.1 集成学习框架 | 第42-43页 |
| 4.2.2 基分类器网络结构 | 第43页 |
| 4.2.3 基分类器的训练 | 第43-44页 |
| 4.2.4 集成策略 | 第44页 |
| 4.3 实验结果及分析 | 第44-48页 |
| 4.3.1 Cifar-10数据集实验 | 第44-47页 |
| 4.3.2 Cifar-100数据集实验 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 改进Bagging权重投票策略的图像分类算法 | 第49-56页 |
| 5.1 问题的提出 | 第49-50页 |
| 5.2 改进Bagging权重投票策略的图像分类算法 | 第50-51页 |
| 5.3 实验及结果分析 | 第51-55页 |
| 5.3.1 Cifar-10数据集实验 | 第51-54页 |
| 5.3.2 Cifar-100数据集实验 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间取得的科研成果 | 第63-64页 |
