声明
摘要
1.1研究背景和意义
1.2国内外研究现状
1.3研究内容
第2章群体行为识别的相关理论基础
2.1词向量的相关原理
2.1.1CBOW模型
2.1.2Skip-gram模型
2.2图卷积网络(GCN)
2.3基于深度学习的行为识别方法
2.3.1卷积神经网络
2.3.2双流CNN网络
2.3.33D卷积神经网络
2.3.4LSTM时序模型
2.4本章小结
第3章基于类别信息的群体识别算法
3.1算法概述
3.2基于类别信息的特征表示
3.2.1动态演变特征表示
3.2.2动态趋势特征表示
3.3试验结果分析
3.3.1评估指标和参数设置
3.3.2与主流算法的对比
3.3.3消融研究
3.4本章小结
第4章基于子空间思想的群体识别算法
4.1算法概述
4.2子空间的构造
4.3分类器
4.3.1sigmoid分类器
4.3.2子空间分类器的构造
4.4实验结果与分析
4.4.1评估指标和参数设置
4.4.2试验结果对比
4.4.3数据集WWW上的子空间分类
4.4.4数据集VOC 2007上的子空间分类
4.5本章小结
5.1论文总结
5.2研究展望
致谢
参考文献
附录
武汉科技大学;