小规模数据集图像分类方法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 相关研究现状

1.2.1 图像分类

1.2.2 胶囊网络

1.2.3 迁移学习

1.3 关键问题和主要研究内容

1.3.1 关键问题

1.3.2 主要研究内容

1.4 文章组织结构

第2章 基于模糊聚类胶囊网络的图像分类方法

2.1 小规模数据集中的胶囊网络

2.2 使用优化模糊聚类的胶囊网络模型构建

（1）胶囊网络的核心特性

（2）本文的胶囊网络模型结构

2.2.1 使用信息熵度量不确定性的模糊聚类算法

2.2.2 扩散损失

2.3 实验结果及分析

2.3.1 数据集介绍

2.3.2 实验设置

2.3.3 实验结果评估

2.4 本章小结

第3章 基于迁移学习的两级特征融合学习方法

3.1 小规模数据集中的迁移学习

3.2 基于深度卷积神经网络的迁移学习方法

3.2.1 深度卷积神经网络特征提取

3.2.2 迁移学习和深度迁移网络

3.2.3 预训练网络

3.2.4 基于Wasserstein距离的表征学习

3.3 两级特征融合学习方法

3.3.1 基于谱聚类的训练子集划分

3.3.2 相似度衡量方式

3.4 实验结果及分析

3.4.1 实验设置

3.4.2 数据预处理

3.4.3 实验结果评估

3.5 本章小结

第4章 总结与展望

4.1 总结

4.2 展望

致谢

参考文献

攻读学位期间获得与学位论文相关的科研成果