数据降维算法研究及其应用

摘要	第1-6页
Abstract	第6-9页
第1章 引言	第9-13页
·研究的背景和意义	第9-10页
·国内外的研究现状	第10-11页
·本文研究的主要内容	第11-13页
第2章 降维算法介绍	第13-32页
·线性的降维算法	第13-18页
·主成分分析	第13-14页
·线性判决分析	第14-17页
·多维尺度变换	第17-18页
·基于流形学习的数据降维算法	第18-32页
·流形学习基本概念	第18-19页
·等距映射	第19-21页
·局部线性嵌入	第21-23页
·拉普拉斯特征映射	第23-27页
·局部切空间排列	第27-28页
·黑塞特征映射	第28-29页
·最大方差展开	第29-32页
第3章 仿真实验结果及复杂度分析	第32-45页
·仿真实验	第32-33页
·几种降维算法的一般性质分析	第33-42页
·复杂度分析	第42-44页
·Out of sample拓展	第44-45页
第4章 鲁棒的基于局部以及全局结构的降维算法	第45-56页
·鲁棒的基于局部以及全局结构的降维算法	第45-49页
·实验结果	第49-56页
·人脸流形	第49页
·参数分析	第49-51页
·人脸识别	第51-55页
·讨论	第55-56页
第5章 矩阵完备化	第56-76页
·问题的提出	第56-59页
·鲁棒的交替迭代算法	第59-67页
·RAM算法	第59-62页
·RAM的收敛性分析	第62-67页
·实验分析	第67-71页
·性能估计	第67-70页
·低秩图像恢复	第70-71页
·结论	第71-76页
第6章 结果及展望	第76-78页
·总结	第76页
·展望	第76-78页
参考文献	第78-86页
攻读硕士期间科研成果简介	第86-87页
致谢	第87页