基于实例化参数压缩胶囊网络的目标识别与用户属性分析方法研究

目录

声明

第 1 章 绪 论

1.1 研究背景与意义

1.2 图像分类与目标识别

1.2.1传统的图像分类

1.2.2基于深度学习的图像分类

1.2.3传统的目标识别

1.2.4基于深度学习的目标识别

1.3 数据降维

1.4 用户属性分析

1.5 论文主要研究内容与结构

第 2 章 胶囊网络方法分析

2.1 胶囊网络方法

2.1.1卷积神经网络与胶囊网络的比较

2.1.2胶囊网络结构

2.2 胶囊网络实验与分析

2.2.1目标识别实验与分析

2.2.2用户画像实验与分析

2.3 本章小结

第 3 章 基于能量效率与实例化参数的胶囊网络压缩方法

3.1 胶囊网络的模型压缩

3.1.1能量效率的模型压缩

3.1.2胶囊网络中的实例化参数

3.2 基于能量效率与实例化参数的胶囊网络压缩算法

3.2.1胶囊网络的能量效率计算

3.2.2针对实例化参数的模型压缩

3.3 实验结果与分析

3.3.1标准数据集与人脸识别数据集

3.3.2结果分析

3.4 本章小结

第 4 章 基于快速K值选择的数据降维方法

4.1 维度灾难问题

4.2 经典LLE算法

4.2.1处理特征

4.2.2 LLE算法的不足

4.3 空间分布分析

4.3.1空间分布

4.3.2空间协方差指数与参数K

4.4 基于快速K值选择的降维算法

4.5 实验结果与分析

4.5.1构造数据集

4.5.2人脸数据集

4.5.3实验设计和结果分析

4.6 本章小结

第 5 章 基于多尺度胶囊网络的目标识别方法

5.1 车型识别

5.2 基于多尺度胶囊网络的目标识别算法

5.3 实验结果与分析

5.3.1标准数据集与车型识别数据集

5.3.2标准数据集实验结果

5.3.3车型识别数据集实验结果

5.3.4结果分析

5.4 本章小结

第 6 章 基于情感分析的胶囊网络性别分类方法

6.1 用户属性分析与性别分类

6.2 情感分析与胶囊网络相融合的用户性别分类算法

6.2.1情感迁移

6.2.2基于情感分析的胶囊网络性别分类算法

6.3 实验结果与分析

6.3.1数据集与评价标准

6.3.2实验结果

6.3.3结果分析

6.4 本章小结

第 7 章 总结与展望

7.1 全文总结

7.2 研究展望

致谢

附录1：缩略词对照表

参考文献

攻读博士学位期间所发论文