摘要
ABSTRACT
第一章 绪论
1.1 本课题的研究目的和意义
1.2 距离测度研究现状
1.3 本文工作与章节安排
第二章 机器学习中的距离测度
2.1 欧氏测度
2.1.1 欧氏距离
2.1.2 马氏距离
2.1.3 Hausdorff 距离
2.1.4 图像欧氏距离(IED)
2.2 无监督测度学习-流形学习
2.2.1 Isomap
2.2.2 LLE
2.3 监督测度学习
2.3.1 全局测度学习
2.3.2 局部测度学习
2.4 本章小结
第三章 语义测度学习
3.1 距离测度及其相关性质
3.2 语义测度学习
3.2.1 标注测量
3.2.2 基于无约束优化问题的测度学习(SML1)
3.2.3 基于正定规划问题的测度学习(SML2)
3.2.4 语义空间中的回归
3.3 年龄估计
3.3.1 相关工作
3.3.2 标准实验数据库简介
3.3.3 实验细节
3.3.4 收敛性分析
3.3.5 老化趋势发掘
3.3.6 年龄估计
3.3.7 训练样本集尺度适应性分析
3.4 本章小结
第四章 图像协方差测度
4.1 图像块的协方差
4.1.1 图像块协方差的定义
4.1.2 快速协方差计算-积分图方法
4.1.3 协方差矩阵的距离计算
4.2 协方差矩阵的黎曼流形观点
4.2.1 黎曼流形
4.2.2 对称正定矩阵的流形空间
4.3 异常事件检测
4.3.1 相关工作
4.3.2 框架概述
4.3.3 基于协方差矩阵的模板匹配
4.3.4 基于流形学习的视频分析
4.4 TRECVID 异常事件检测竞赛
4.4.1 竞赛简介
4.4.2 评估准则
4.4.3 Pointing 事件检测
4.5 本章小结
第五章 结论
5.1 本文主要工作总结
5.2 后续研究方向展望
参考文献
符号与标记(附录1)
致谢
攻读硕士学位期间已发表或录用的论文
上海交通大学;