| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 图像聚类的研究现状 | 第10-12页 |
| 1.2.1 基于局部特征的聚类算法 | 第10-11页 |
| 1.2.2 基于全局结构的聚类算法 | 第11-12页 |
| 1.3 论文的主要内容和结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 相关理论介绍 | 第14-19页 |
| 2.1 鲁棒的主成分分析 | 第14-15页 |
| 2.2 稀疏子空间聚类 | 第15页 |
| 2.3 低秩表示 | 第15-16页 |
| 2.4 数据库介绍 | 第16-18页 |
| 2.4.1 Hopkins155数据库 | 第16-17页 |
| 2.4.2 USPS数据库 | 第17-18页 |
| 2.4.3 Yale B数据库 | 第18页 |
| 2.5 聚类误差率计算公式 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 基于局部图拉普拉斯约束的鲁棒低秩表示聚类模型 | 第19-29页 |
| 3.1 问题提出 | 第19页 |
| 3.2 基于图拉普拉斯约束的鲁棒低秩表示聚类模型 | 第19-22页 |
| 3.3 数值算法 | 第22-23页 |
| 3.4 实验结果和分析 | 第23-28页 |
| 3.4.1 仿真数据上的实验结果和分析 | 第24页 |
| 3.4.2 Hopkins155数据库 | 第24-26页 |
| 3.4.3 USPS数据库 | 第26-27页 |
| 3.4.4 Yale B数据库 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于局部约束的鲁棒形状交互学习算法 | 第29-43页 |
| 4.1 问题提出 | 第29-31页 |
| 4.1.1 基于谱聚类的算法介绍 | 第29-30页 |
| 4.1.2 非负低秩稀疏图 | 第30-31页 |
| 4.2 基于局部约束的鲁棒形状交互学习算法 | 第31-34页 |
| 4.2.1 构造LNRSI的邻接矩阵 | 第31-33页 |
| 4.2.2 对LNRSI优化解的理论分析 | 第33-34页 |
| 4.3 数值算法 | 第34-36页 |
| 4.3.1 LNRSI方程求解 | 第34-35页 |
| 4.3.2 LNRSI图的建立 | 第35页 |
| 4.3.3 与已有算法的联系 | 第35-36页 |
| 4.4 实验结果和分析 | 第36-42页 |
| 4.4.1 仿真数据 | 第37-38页 |
| 4.4.2 Hopkins数据库 | 第38-40页 |
| 4.4.3 USPS数据库 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 总结及展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文 | 第48-49页 |
| 致谢 | 第49页 |