声明
摘要
1.1 研究目的和意义
1.2 国外研究现状
1.2.1 稀疏表示
1.2.2 字典学习
1.2.3 多任务学习
1.3 研究内容及工作
1.4 本文结构
2.1 引言
2.2 图像底层特征提取
2.2.1 全局特征
2.2.2 局部特征
2.3 稀疏表示算法原理
2.3.1 稀疏表示模型
2.3.2 字典学习方法
2.3.3 稀疏表示核扩展
2.4 多任务学习算法
2.5 本章小结
第3章 DMTJSR多任务学习框架
3.1 引言
3.2 去相关多特征多任务学习模型DMTJSR
3.2.1 混合L2,1/L1多任务学习模型(L2,1,1)和优化策略
3.2.2 字典学习模型和优化策略
3.2.3 DMTJSR学习框架
3.3 DMTJSR再生核Hilbert空间扩展
3.3.1 模型扩展
3.3.2 DMTJSR核扩展优化算法
3.4 本章小结
4.1 引言
4.2 实验数据
4.3 实验结果分析
4.3.1 稀疏度分析
4.3.2 L2,1,1多任务学习模型性能
4.3.3 结合字典学习的DMTJSR性能
4.3.4 DMTJSR核扩展性能
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文
致谢