| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究成果 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 学习排序模型理论基础 | 第15-25页 |
| 2.1 排序学习中的特征提取方法 | 第15-21页 |
| 2.1.1 HOG特征 | 第15-16页 |
| 2.1.2 GIST特征 | 第16-17页 |
| 2.1.3 LBP算子 | 第17-18页 |
| 2.1.4 特征脸分析 | 第18-19页 |
| 2.1.5 SIFT特征 | 第19-21页 |
| 2.2 排序学习 | 第21-24页 |
| 2.2.1 排序学习方法分类 | 第22-23页 |
| 2.2.2 Ranking SVM排序算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 交通场景中采用有监督序学习拥挤度排序算法 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 交通场景中采用有监督序学习拥挤度排序算法 | 第25-31页 |
| 3.2.1 GIST特征计算 | 第26-28页 |
| 3.2.2 学习相对排序 | 第28-29页 |
| 3.2.3 排序和相对顺序 | 第29-30页 |
| 3.2.4 交通场景拥挤度排序模型 | 第30-31页 |
| 3.3 实验仿真 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 个性化人脸美丽指数相对排序模型研究 | 第36-44页 |
| 4.1 引言 | 第36-37页 |
| 4.2 个性化人脸美丽指数相对排序模型 | 第37-40页 |
| 4.2.1 人脸特征提取 | 第38页 |
| 4.2.2 学习自适应相对属性排序模型 | 第38-40页 |
| 4.3 实验仿真 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于散射卷积网络的人脸美丽指数排序预测模型 | 第44-51页 |
| 5.1 引言 | 第44页 |
| 5.2 散射变换 | 第44-47页 |
| 5.2.1 小波变换模 | 第45页 |
| 5.2.2 散射算子 | 第45-46页 |
| 5.2.3 散射卷积网络 | 第46-47页 |
| 5.3 实验仿真 | 第47-50页 |
| 5.3.1 CAS-PEAL数据库排序实验 | 第47-49页 |
| 5.3.2 自建数据库排序实验 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |