论文目录 | |
摘要 | 第1-5页 |
abstract | 第5-10页 |
注释表 | 第10-11页 |
缩略词 | 第11-12页 |
第一章 绪论 | 第12-18页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 国内外研究状况 | 第13-16页 |
1.3 本文主要研究工作 | 第16-17页 |
1.4 本文的内容安排 | 第17-18页 |
第二章 空间结构信息利用策略及其结合有序回归学习的回顾 | 第18-28页 |
2.1 空间结构信息利用策略 | 第18-24页 |
2.1.1 图像欧氏距离(IMED) | 第18-20页 |
2.1.2 子空间光滑学习法(SSSL) | 第20-21页 |
2.1.3 双边二维线性判别分析(bil-2DLDA) | 第21-22页 |
2.1.4 二维最大局部变化法(2DMLV) | 第22-23页 |
2.1.5 支持矩阵机(SMM) | 第23-24页 |
2.2 有序回归相关研究 | 第24-26页 |
2.2.1 线性有序回归 | 第24-25页 |
2.2.2 子空间光滑的线性判别有序回归(SSSL-LDLOR) | 第25页 |
2.2.3 双边线性判别有序回归(Bil-LDLOR) | 第25-26页 |
2.2.4 子空间光滑的双边线性判别有序回归(SSSL-Bil-LDLOR) | 第26页 |
2.3 本章小结 | 第26-28页 |
第三章 结合显性与隐性空间光滑的高效二维图像判别特征抽取 | 第28-42页 |
3.1 研究背景和动机 | 第28-30页 |
3.2 结合显性与隐性空间光滑的二维图像判别特征抽取框架 | 第30-36页 |
3.2.1 原始图像显式光滑 | 第30-33页 |
3.2.2 图像划分重组 | 第33页 |
3.2.3 单边 2DLDA特征抽取 | 第33-34页 |
3.2.4 分类 | 第34-36页 |
3.2.5 算法复杂度分析 | 第36页 |
3.3 实验及结果分析 | 第36-40页 |
3.3.1 人脸数据集 | 第37-39页 |
3.3.2 手写字母数据集 | 第39-40页 |
3.3.3 实验结果分析 | 第40页 |
3.4 本章小结 | 第40-42页 |
第四章 显式约束的支持矩阵有序回归 | 第42-55页 |
4.1 引言 | 第42-44页 |
4.2 有序回归学习与经典支持向量有序回归(SVOR) | 第44-45页 |
4.3 显式约束的支持矩阵有序回归(EXC-SMOR) | 第45-52页 |
4.3.1 符号和相关引理 | 第45-46页 |
4.3.2 EXC-SMOR模型建立 | 第46-47页 |
4.3.3 EXC-SMOR模型优化算法 | 第47-52页 |
4.4 实验结果与分析 | 第52-54页 |
4.4.1 实验数据集 | 第52-53页 |
4.4.2 实验设置 | 第53页 |
4.4.3 实验结果分析 | 第53-54页 |
4.5 本章总结 | 第54-55页 |
第五章 总结与展望 | 第55-57页 |
5.1 工作总结 | 第55-56页 |
5.2 未来展望 | 第56-57页 |
附录 | 第57-58页 |
参考文献 | 第58-66页 |
致谢 | 第66-68页 |
在学期间的研究成果及发表的学术论文 | 第68页 |