基于多視角學習的圖像語義分析技術(shù)

目錄第1章緒論
1.1研究背景
1.2存在的問題
1.3本書主要內(nèi)容
1.4符號說明
第2章研究現(xiàn)狀
2.1本章導讀
2.2基本準則
2.2.1一致性準則
2.2.2互補性準則
2.3方法分類
2.3.1協(xié)同訓練
2.3.2多核學習
2.3.3子空間學習
第3章基于分組敏感多視角融合的圖像聚類方法研究
3.1本章導讀
3.2相關(guān)工作
3.3基于分組敏感多視角融合的圖像聚類
3.3.1預備知識
3.3.2方法概述
3.3.3初始化
3.3.4基于成對融合的策略（GOMES_P)
3.3.5基于中心融合的策略（GOMES_C)
3.3.6更新圖像分組Z
3.4實驗
3.4.1對比方法
3.4.2數(shù)據(jù)集
3.4.3實驗設(shè)置
3.4.4評價準則
3.4.5實驗結(jié)果分析
3.4.6參數(shù)敏感性分析
3.5小結(jié)
第4章基于雙階段子空間學習的多視角降維方法研究
4.1本章導讀
4.2相關(guān)工作
4.3雙階段多視角隱空間學習
4.3.1預備知識
4.3.2階段：可比較表示學習
4.3.3第二階段：低維表示學習
4.3.4總的目標函數(shù)
4.4優(yōu)化求解
4.4.1更新變量U(i),V(i), Z(i)
4.4.2更新變量F
4.4.3更新變量γi
4.4.4收斂性分析
4.5實驗
4.5.1數(shù)據(jù)庫
4.5.2對比方法
4.5.3評價準則
4.5.4實驗設(shè)置
4.5.5實驗結(jié)果
4.5.6參數(shù)敏感性分析
4.6本章小結(jié)
第5章圖像多視角表示與標注的聯(lián)合學習方法研究
5.1本章導讀
5.2相關(guān)工作
5.3圖像多視角表示與標注的聯(lián)合學習方法
5.3.1預備知識
5.3.2基于語義信息指導和多視角結(jié)構(gòu)保留的子空間學習
5.3.3標簽預測器學習
5.3.4投影函數(shù)學習
5.3.5總的目標函數(shù)
5.3.6優(yōu)化算法
5.3.7更新P
5.3.8更新Z
5.3.9更新αt
5.4實驗
5.4.1數(shù)據(jù)集
5.4.2對比方法
5.4.3評價準則
5.4.4實驗設(shè)置
5.4.5實驗分析
5.4.6參數(shù)敏感性分析
5.5本章小結(jié)
第6章基于深度低秩子空間集成學習的圖像聚類方法研究
6.1本章導讀
6.2相關(guān)工作
6.2.1基于多核/多圖學習的方法
6.2.2基于子空間學習的方法
6.2.3基于深度學習的方法
6.3基于深度低秩子空間集成學習的圖像聚類方法
6.3.1預備知識
6.3.2深度低秩子空間學習
6.3.3多視角多層次子空間集成學習
6.3.4終目標函數(shù)
6.4優(yōu)化求解
6.4.1預訓練
6.4.2Z(v)i的更新規(guī)則
6.4.3H(v)i的更新規(guī)則
6.4.4S(v)i的更新規(guī)則
6.4.5F的更新規(guī)則
6.4.6α的更新規(guī)則
6.4.7時間復雜度分析
6.5實驗
6.5.1數(shù)據(jù)集
6.5.2比較方法和評估指標
6.5.3參數(shù)設(shè)置與收斂分析
6.5.4性能比較
6.5.5參數(shù)敏感性分析
6.6結(jié)論
第7章結(jié)束語
參考文獻