“十三五”科学技术专著丛书 基于多视角学习的图像语义分析技术PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 研究背景 1

1.2 存在的问题 2

1.3 本书主要内容 3

1.4 符号说明 6

第2章 研究现状 7

2.1 本章导读 7

2.2 基本准则 7

2.2.1 一致性准则 7

2.2.2 互补性准则 8

2.3 方法分类 9

2.3.1 协同训练 9

2.3.2 多核学习 11

2.3.3 子空间学习 13

第3章 基于分组敏感多视角融合的图像聚类方法研究 21

3.1 本章导读 21

3.2 相关工作 23

3.3 基于分组敏感多视角融合的图像聚类 24

3.3.1 预备知识 24

3.3.2 方法概述 25

3.3.3 初始化 25

3.3.4 基于成对融合的策略（GOMES＿P） 26

3.3.5 基于中心融合的策略（GOMES＿C） 28

3.3.6 更新图像分组Z 30

3.4 实验 30

3.4.1 对比方法 30

3.4.2 数据集 31

3.4.3 实验设置 31

3.4.4 评价准则 31

3.4.5 实验结果分析 32

3.4.6 参数敏感性分析 35

3.5 小结 38

第4章 基于双阶段子空间学习的多视角降维方法研究 40

4.1 本章导读 40

4.2 相关工作 42

4.3 双阶段多视角隐空间学习 43

4.3.1 预备知识 43

4.3.2 第一阶段：可比较表示学习 43

4.3.3 第二阶段：低维表示学习 44

4.3.4 总的目标函数 45

4.4 优化求解 46

4.4.1 更新变量U（i），V（i），Z（i） 46

4.4.2 更新变量F 47

4.4.3 更新变量γ 49

4.4.4 收敛性分析 49

4.5 实验 50

4.5.1 数据库 51

4.5.2 对比方法 52

4.5.3 评价准则 53

4.5.4 实验设置 53

4.5.5 实验结果 53

4.5.6 参数敏感性分析 57

4.6 本章小结 59

第5章 图像多视角表示与标注的联合学习方法研究 60

5.1 本章导读 60

5.2 相关工作 61

5.3 图像多视角表示与标注的联合学习方法 62

5.3.1 预备知识 62

5.3.2 基于语义信息指导和多视角结构保留的子空间学习 63

5.3.3 标签预测器学习 64

5.3.4 投影函数学习 64

5.3.5 总的目标函数 64

5.3.6 优化算法 65

5.3.7 更新P 65

5.3.8 更新Z 65

5.3.9 更新α 66

5.4 实验 66

5.4.1 数据集 66

5.4.2 对比方法 67

5.4.3 评价准则 67

5.4.4 实验设置 68

5.4.5 实验分析 68

5.4.6 参数敏感性分析 69

5.5 本章小结 71

第6章 基于深度低秩子空间集成学习的图像聚类方法研究 72

6.1 本章导读 72

6.2 相关工作 73

6.2.1 基于多核/多图学习的方法 74

6.2.2 基于子空间学习的方法 74

6.2.3 基于深度学习的方法 74

6.3 基于深度低秩子空间集成学习的图像聚类方法 75

6.3.1 预备知识 75

6.3.2 深度低秩子空间学习 76

6.3.3 多视角多层次子空间集成学习 76

6.3.4 最终目标函数 77

6.4 优化求解 77

6.4.1 预训练 78

6.4.2 Z（v）i的更新规则 78

6.4.3 H（v）i的更新规则 78

6.4.4 S（v）i的更新规则 78

6.4.5 F的更新规则 80

6.4.6 α的更新规则 80

6.4.7 时间复杂度分析 81

6.5 实验 82

6.5.1 数据集 82

6.5.2 比较方法和评估指标 82

6.5.3 参数设置与收敛分析 83

6.5.4 性能比较 84

6.5.5 参数敏感性分析 87

6.6 结论 91

第7章 结束语 92

参考文献 95

查看更多关于的内容