视觉信息认知计算理论pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

视觉信息认知计算理论PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述 1

1.1基于感知机理的机器学习方法 1

1.2基于有效编码假说的初级特征表示 3

1.2.1有效编码假说 3

1.2.2模拟人类方式的有效编码与特征表示 4

1.3视觉表象的中级特征表示 6

1.4初级视觉表象启发下的知觉组织 7

1.5注意机制 8

1.6智能计算模型在场景识别中的应用 9

参考文献 12

第2章 基于视觉感知的特征表示 16

2.1视觉感知 16

2.1.1外部环境的输入刺激 16

2.1.2神经信息处理机制 18

2.1.3视觉感知的输出 18

2.2生物视觉感知的生理结构 18

2.2.1外周脑 18

2.2.2初级视皮层 20

2.2.3纹外皮层 21

2.2.4高级视皮层 22

2.3生物视觉感知的计算模型 22

2.3.1简单细胞响应模型 23

2.3.2复杂细胞响应模型 25

2.3.3高级皮层神经细胞响应模型 27

2.4生物视觉启发的特征表示及其应用 28

2.4.1独立纹元矩 29

2.4.2独立纹元矩的图像检索实验 35

2.5本章小结 39

参考文献 40

第3章 基于有效编码假说的低层特征表示 43

3.1有效编码框架 43

3.2基于稀疏性的有效编码方法——稀疏编码 44

3.2.1 Olshausen的稀疏编码模型 44

3.2.2基于稀疏编码的压缩传感 45

3.3基于独立性的有效编码 57

3.3.1独立分量分析 57

3.3.2基于独立分量分析的视觉模型 63

3.3.3 Hyvarinen研究小组的成果 65

3.4基于慢变性的有效编码方法——慢变特征分析 68

3.4.1慢变特征分析简介 68

3.4.2慢变特征分析的实现 71

3.4.3慢变特征分析与复杂细胞特性 73

3.4.4慢变特征分析在手写体识别中的应用 75

3.5本章小结 77

参考文献 77

第4章 流形学习 83

4.1概述 83

4.2局部保持流形学习算法分析 85

4.2.1局部保持的流形学习算法的基本步骤 86

4.2.2几种典型的局部保持的流形学习算法 86

4.2.3局部保持的流形学习算法对比 91

4.2.4全局线性化局部保持的流形学习算法 92

4.2.5局部保持的流形学习算法实验比较 93

4.3全局保持的流形学习算法分析 95

4.3.1几种典型的全局保持流形学习算法 95

4.3.2全局保持的流形学习算法对比 104

4.3.3全局保持的流形学习算法的实验比较 105

4.4图嵌入框架 108

4.4.1图嵌入框架 108

4.4.2图嵌入框架下的主成分分析 111

4.4.3图嵌入框架下的判别分析 112

4.4.4邻域判别分析 112

4.5本章小结 114

参考文献 115

第5章 半监督学习 117

5.1半监督学习和人类学习 117

5.2半监督学习概况 118

5.2.1半监督学习的概念 118

5.2.2半监督学习的历史 119

5.2.3未标记数据起作用的条件 120

5.3半监督多视图学习算法 121

5.3.1协同训练算法 121

5.3.2最大化一致算法 123

5.3.3多视图特征映射算法 124

5.4半监督学习的应用 125

5.4.1文本分类中的半监督学习 125

5.4.2图像分割中的半监督学习 126

5.5本章小结 127

参考文献 128

第6章 聚类 132

6.1概述 132

6.2经典聚类算法 133

6.2.1划分法 133

6.2.2层次法 134

6.3聚类算法中的关键问题 135

6.3.1距离度量问题 135

6.3.2聚类数目 136

6.4聚类分析与算法 137

6.4.1谱聚类 137

6.4.2异质聚类 139

6.4.3基于消息传递的聚类算法 141

6.4.4关于二元相似关系的假设 142

6.5聚类分析在计算机视觉感知研究中的应用 143

6.5.1图像分割 143

6.5.2图像聚类 145

6.6本章小结 147

参考文献 147

第7章 知觉组织 150

7.1认知心理学的相关研究成果 151

7.1.1格式塔知觉组织规则 151

7.1.2视觉完形 152

7.1.3非偶然性原则 154

7.2无监督的知觉组织方法 155

7.2.1编组线索的描述 155

7.2.2图分割 157

7.2.3张量投票 160

7.3基于主动轮廓的知觉组织方法 165

7.3.1气球模型 167

7.3.2距离势能模型 168

7.3.3 GVF模型和GGVF模型 169

7.3.4 T-Snake模型 172

7.3.5有形状先验的水平集方法 173

7.4本章小结 177

参考文献 178

第8章 模拟视觉注意机制的感知模型 181

8.1注意机制概述 181

8.2基于空间的注意机制 183

8.2.1模拟自底向上视觉注意机制的感知模型 184

8.2.2模拟自顶向下视觉注意机制的感知模型 190

8.3基于目标的注意机制 196

8.3.1实验依据 196

8.3.2基于目标的选择性注意计算模型 198

8.4基于what和where信息的视觉感知模型 201

8.4.1模型框架 202

8.4.2视觉通路理论 205

8.4.3 what信息和where信息的提取与表示 205

8.4.4基于一级where信息的预注意 209

8.4.5一级where信息驱动的集中注意 212

8.4.6 what信息与where信息的结合 214

8.4.7实验结果与分析 216

8.5本章小结 219

参考文献 219