| 《视觉信息认知计算理论》主要介绍视觉信息认知计算领域的基本理论和最新成果.讨论了基于视觉感知和有效编码假说的特征表示、计算模型，从认知心理学出发讨论了半监督学习、聚类、知觉组织，从人类视觉的注意机理角度讨论了模拟视觉注意机制的视觉感知模型等。《视觉信息认知计算理论》力求理论与实践统一，从提高计算机对非结构化视听觉感知信息的理解能力和对海量异构信息的处理效率，克服图像信息处理所面临的“瓶颈”出发.借助认知心理学、神经生理学、生物学、计算机科学和数理科学的交叉优势，描述在场景理解中基于视觉感知的热点技术问题以及新的计算模型、计算方法。 |
| 前言 第1章 概述 1.1 基于感知机理的机器学习方法 1.2 基于有效编码假说的初级特征表示 1.2.1 有效编码假说 1.2.2 模拟人类方式的有效编码与特征表示 1.3 视觉表象的中级特征表示 1.4 初级视觉表象启发下的知觉组织 1.5 注意机制 1.6 智能计算模型在场景识别中的应用 参考文献 第2章 基于视觉感知的特征表示 2.1 视觉感知 2.1.1 外部环境的输入刺激 2.1.2 神经信息处理机制 2.1.3 视觉感知的输出 2.2 生物视觉感知的生理结构 2.2.1 外周脑 2.2.2 初级视皮层 2.2.3 纹外皮层 2.2.4 高级视皮层 2.3 生物视觉感知的计算模型 2.3.1 简单细胞响应模型 2.3.2 复杂细胞响应模型 2.3.3 高级皮层神经细胞响应模型 2.4 生物视觉启发的特征表示及其应用 2.4.1 独立纹元矩 2.4.2 独立纹元矩的图像检索实验 2.5 本章小结 参考文献 第3章 基于有效编码假说的低层特征表示 3.1 有效编码框架 3.2 基于稀疏性的有效编码方法——稀疏编码 3.2.1 olshausen的稀疏编码模型 3.2.2 基于稀疏编码的压缩传感 3.3 基于独立性的有效编码 3.3.1 独立分量分析 3.3.2 基于独立分量分析的视觉模型 3.3.3 hyvarinen研究小组的成果 3.4 基于慢变性的有效编码方法——慢变特征分析 3.4.1 慢变特征分析简介 3.4.2 慢变特征分析的实现 3.4.3 慢变特征分析与复杂细胞特性 3.4.4 慢变特征分析在手写体识别中的应用 3.5 本章小结 参考文献 第4章 流形学习 4.1 概述 4.2 局部保持流形学习算法分析 4.2.1 局部保持的流形学习算法的基本步骤 4.2.2 几种典型的局部保持的流形学习算法 4.2.3 局部保持的流形学习算法对比 4.2.4 全局线性化局部保持的流形学习算法 4.2.5 局部保持的流形学习算法实验比较 4.3 全局保持的流形学习算法分析 4.3.1 几种典型的全局保持流形学习算法 4.3.2 全局保持的流形学习算法对比 4.3.3 全局保持的流形学习算法的实验比较 4.4 图嵌入框架 4.4.1 图嵌入框架 4.4.2 图嵌入框架下的主成分分析 4.4.3 图嵌入框架下的判别分析 4.4.4 邻域判别分析 4.5 本章小结 参考文献 第5章 半监督学习 第6章 聚类 第7章 知觉组织 第8章 模拟视觉注意机制的感知模型 |
内容加载中，请稍后...
商品评论（0条）