论文目录 | |
| 摘要 | 第1-5页 |
| abstract | 第5-11页 |
| 缩略语 | 第11-15页 |
| 第一章 绪论 | 第15-29页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.2 国内外相关工作研究现状 | 第18-24页 |
| 1.2.1 图像分类的研究现状 | 第18-21页 |
| 1.2.2 字典学习的研究现状 | 第21-24页 |
| 1.3 论文的主要工作 | 第24-26页 |
| 1.4 论文的结构安排 | 第26-29页 |
| 第二章 基于稀疏表示的监督的类特别字典学习 | 第29-49页 |
| 2.1 引言 | 第29-31页 |
| 2.2 稀疏表示分类 | 第31-32页 |
| 2.3 监督的类特别字典学习 | 第32-34页 |
| 2.3.1 表示约束项 | 第32-33页 |
| 2.3.2 系数相异性约束项 | 第33-34页 |
| 2.3.3 SCSDL模型 | 第34页 |
| 2.4 SCSDL模型求解算法 | 第34-37页 |
| 2.4.1 更新系数Z | 第34-35页 |
| 2.4.2 更新字典D | 第35-36页 |
| 2.4.3 SCSDL模型完整的求解算法 | 第36-37页 |
| 2.5 SCSDL分类机制 | 第37-39页 |
| 2.6 实验结果和分析 | 第39-46页 |
| 2.6.1 实验设置 | 第39-40页 |
| 2.6.2 Extended Yale B、AR和 Multi-PIE人脸数据集上的实验结果 | 第40-44页 |
| 2.6.3 场景数据集Fifteen Scene Categories上的实验结果 | 第44-45页 |
| 2.6.4 图像目标数据集Caltech-101 上的实验结果 | 第45-46页 |
| 2.7 SCSDL模型中φi(Zi)的性质 | 第46-48页 |
| 2.8 本章小结 | 第48-49页 |
| 第三章 基于稀疏表示的同时降维与字典学习 | 第49-63页 |
| 3.1 引言 | 第49-50页 |
| 3.2 同时降维与字典学习 | 第50-52页 |
| 3.2.1 投影表示约束项 | 第50-51页 |
| 3.2.2 投影约束项 | 第51页 |
| 3.2.3 SDRDL模型 | 第51-52页 |
| 3.3 SDRDL模型求解算法 | 第52-55页 |
| 3.3.1 更新字典D与系数Z | 第52-53页 |
| 3.3.2 更新降维投影矩阵P | 第53-54页 |
| 3.3.3 SDRDL模型完整的求解算法 | 第54-55页 |
| 3.4 SDRDL分类机制 | 第55-57页 |
| 3.5 实验结果和数据分析 | 第57-62页 |
| 3.5.1 实验设置 | 第57页 |
| 3.5.2 Extended Yale B、AR和 Multi-PIE人脸数据集上的实验结果 | 第57-62页 |
| 3.5.3 图像目标数据集Caltech-101 上的实验结果 | 第62页 |
| 3.6 本章小结 | 第62-63页 |
| 第四章 基于协同表示的联合判别性降维与字典学习 | 第63-79页 |
| 4.1 引言 | 第63-64页 |
| 4.2 协同表示分类 | 第64页 |
| 4.3 判别性降维投影与字典对学习 | 第64-67页 |
| 4.3.1 判别性投影表示约束项 | 第65页 |
| 4.3.2 判别性投影约束项 | 第65-67页 |
| 4.3.3 DDRPDPL模型 | 第67页 |
| 4.4 DDRPDPL模型分类机制 | 第67页 |
| 4.5 DDRPDPL模型的求解算法 | 第67-72页 |
| 4.5.1 更新字典D和系数Z | 第68-69页 |
| 4.5.2 更新判别性降维投影矩阵P | 第69-70页 |
| 4.5.3 DDRPDPL模型完整的求解算法 | 第70-72页 |
| 4.6 实验结果和数据分析 | 第72-76页 |
| 4.6.1 实验设置 | 第72-73页 |
| 4.6.2 DDRPDPL和 SDRDL时间复杂度对比 | 第73页 |
| 4.6.3 在Extended Yale B、AR和 Multi-PIE人脸数据集上的实验结果 | 第73-76页 |
| 4.6.4 图像目标数据集Caltech-101 上的实验结果 | 第76页 |
| 4.7 DDRPDPDL模型中系数Z的解析解 | 第76-78页 |
| 4.8 本章小结 | 第78-79页 |
| 第五章 支持向量机多类损失驱动的字典学习及其视频动作识别的应用 | 第79-105页 |
| 5.1 支持向量机多类损失驱动的字典学习 | 第79-91页 |
| 5.1.1 引言 | 第79-80页 |
| 5.1.2 相关工作 | 第80-82页 |
| 5.1.3 SMLDDL模型 | 第82-83页 |
| 5.1.4 SMLDDL模型求解算法 | 第83-85页 |
| 5.1.5 SMLDDL分类机制 | 第85-86页 |
| 5.1.6 实验结果和数据分析 | 第86-90页 |
| 5.1.7 SMLDDL模型中系数Z的解析解 | 第90-91页 |
| 5.2 SMLDDL模型应用于视频下的动作识别 | 第91-103页 |
| 5.2.1 引言 | 第91-93页 |
| 5.2.2 运动改进的Weber特征 | 第93-98页 |
| 5.2.3 实验结果和数据分析 | 第98-103页 |
| 5.3 本章小结 | 第103-105页 |
| 总结与展望 | 第105-107页 |
| 参考文献 | 第107-127页 |
| 致谢 | 第127-129页 |
| 攻读学位期间发表的学术论文 | 第129-131页 |
| 攻读学位期间参与的项目 | 第131页 |
