| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| Extended Abstract | 第7-19页 |
| 1 绪论 | 第19-38页 |
| ·研究背景及意义 | 第19-22页 |
| ·国内外研究现状 | 第22-35页 |
| ·主要研究内容及方法 | 第35-37页 |
| ·论文的组织结构 | 第37页 |
| ·本章小结 | 第37-38页 |
| 2 基于聚类的运动目标检测方法 | 第38-58页 |
| ·引言 | 第38-39页 |
| ·鲁棒模糊核聚类算法 | 第39-42页 |
| ·基于鲁棒模糊核聚类的目标检测算法 | 第42-46页 |
| ·实验及结果分析 | 第46-56页 |
| ·本章小结 | 第56-58页 |
| 3 基于改进 BAG-OF-WORD 模型的目标分类方法 | 第58-80页 |
| ·引言 | 第58-59页 |
| ·极速学习机模型 | 第59-62页 |
| ·极速最大间隔聚类 | 第62-66页 |
| ·利用极速最大间隔聚类构造视觉词典算法 | 第66-71页 |
| ·实验及结果分析 | 第71-79页 |
| ·本章小结 | 第79-80页 |
| 4 基于 ELM 和多特征融合的粒子滤波跟踪方法 | 第80-102页 |
| ·引言 | 第80-82页 |
| ·基于 ELM 的粒子滤波改进算法 | 第82-85页 |
| ·基于多特征融合的目标表示模型 | 第85-90页 |
| ·算法流程 | 第90页 |
| ·实验与结果分析 | 第90-100页 |
| ·本章小结 | 第100-102页 |
| 5 结合协同训练分类器的粒子滤波跟踪方法 | 第102-126页 |
| ·引言 | 第102-103页 |
| ·系统流程 | 第103-105页 |
| ·基于协同训练分类器的目标检测 | 第105-111页 |
| ·结合协同训练分类器的粒子滤波跟踪算法 | 第111-118页 |
| ·实验与结果分析 | 第118-125页 |
| ·本章小结 | 第125-126页 |
| 6 结论 | 第126-128页 |
| ·主要研究成果 | 第126-127页 |
| ·进一步研究内容 | 第127-128页 |
| 参考文献 | 第128-142页 |
| 作者简历 | 第142-144页 |
| 学位论文数据集 | 第144页 |