声明
第1章 引言
1.1 论文研究背景及意义
1.2 国内外研究现状分析
1.3 本文主要研究内容及结构安排
第2章 相关理论算法介绍
2.1 引言
2.2 基于卷积神经网络的特征提取方法
2.2.1 卷积神经网络的结构
2.2.2 卷积神经网络的局部连接与权值共享特性
2.2.3 VGGNet模型提取图像特征
2.3 图像分类相关算法
2.3.1 基于稀疏表示的分类方法
2.3.2 基于协同表示的分类方法
2.3.3 核方法
2.4 本章小结
第3章 基于核协同表示的类特定词典学习算法
3.1 引言
3.2 基于核协同表示的类特定词典学习算法
3.2.1 CSDL-KCRC算法描述
3.2.2 CSDL-KCRC算法的优化求解过程
3.2.3 CSDL-KCRC算法流程
3.3 CSDL-KCRC实验结果与分析
3.3.1 CSDL-KCRC实验设置
3.3.2 CSDL-KCRC参数选取
3.3.3 CSDL-KCRC实验结果
3.3.4 CSDL-KCRC结果分析
3.4 本章小结
第4章 基于核协同表示的类聚集词典学习算法
4.1 引言
4.2 基于核协同表示的类聚集词典学习算法
4.2.1 CSCDL-KCRC算法描述
4.2.2 CSCDL-KCRC算法的优化求解过程
4.2.3 CSCDL-KCRC算法流程
4.3 CSCDL-KCRC实验结果与分析
4.3.1 CSCDL-KCRC实验设置
4.3.2 CSCDL-KCRC参数选取
4.3.3 CSCDL-KCRC实验结果
4.3.4 CSCDL-KCRC结果分析
4.4 本章小结
第5章 总结与展望
参考文献
附录
攻读硕士学位期间取得的学术成果
致谢
中国石油大学(华东);