声明
摘要
第1章 绪论
1.1 研究背景与研究意义
1.2 国内外研究现状
1.3 论文研究内容及主要成果
1.4 论文结构安排
第2章 相关工作综述
2.1 单模态环境中的特征提取方法
2.1.1 手工提取规则设计用于特征提取
2.1.2 线性映射方法用于低维特征提取
2.1.3 非线性映射方法用于低维特征提取
2.2 深度神经网络在特征学习中的应用
2.2.1 深度学习的方法
2.2.2 深度置信网络
2.2.3 深度卷积神经网络
2.2.4 深度自动编码机
2.3 深度神经网络在多模态特征提取中的应用
2.4 本章小结
第3章 基于半监督多模态神经网络的特征提取方法
3.1 多模态融合特征提取的应用背景
3.2 多模态共享融合特征提取方法
3.3 基于深度学习的多模态融合特征提取
3.3.1 模型结构设计
3.3.2 根部神经网络的同构特征提取
3.3.3 基于自编码机的半监督融合特征学习
3.4 实验设计
3.4.1 实验数据集描述
3.4.2 实验设置
3.5 实验结果分析
3.6 本章小结
第4章 结合深度学习与结构化稀疏的特征选择方法
4.1 多模态特征选择的应用背景
4.2 多模态环境下特征选择常见算法
4.3 结合深度学习与结构化稀疏的特征选择模型
4.3.1 模型总体结构
4.3.2 多模态深度降噪自动编码机
4.3.3 同构多模态特征的评价与选择
4.4 实验设计
4.4.1 实验数据集描述
4.4.2 实验设置
4.5 实验结果分析
4.6 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
发表论文和参加科研情况说明
致谢