封面
声明
中文摘要
英文摘要
目录
第一章 绪论
1.1课题来源
1.2论文研究背景及其意义
1.3课题研究现状国内外及存在的问题
1.3.1稀疏表示理论的研究现状
1.3.2特征表示学习的研究现状
1.4论文的主要工作和结构安排
1.4.1论文的主要工作
1.4.2论文的结构安排
第二章 特征表示学习理论
2.1深度学习理论的三种模型
2.1.1深信度网络
2.1.2卷积神经网络
2.1.3自动编码器
2.2极限学习机理论
2.2.1单隐层前馈神经网络与极限学习机
2.2.2基于自编码的深度极限学习机
2.3本章小结
第三章 基于深度极限学习机的K-SVD算法改进
3.1目标的稀疏表示
3.1.1K-SVD算法的基本原理
3.1.2K-SVD算法的去噪性能
3.2基于深度极限学习机的K‐SVD算法改进
3.2.1DDELM-AE网络训练
3.2.2去噪的特征表示及去噪的字典
3.3本章小结
第四章 改进的K-SVD算法在目标识别、图像分类中的应用
4.1手写字符识别
4.1.1DDELM-AE隐含层层数及隐含层节点数
4.1.2Ridge parameter
4.1.3实验结果
4.2物体识别
4.3人脸识别
4.4多特征融合的物体识别
4.4.1多特征融合介绍
4.4.2实验分析
4.5本章小结
第五章 总结与展望
5.1全文总结
5.2研究展望
参考文献
致谢
攻读硕士学位期间的研究成果