| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 基于矩阵分解的图像分类和聚类方法 | 第9-10页 |
| 1.3 论文的主要研究内容和章节安排 | 第10-12页 |
| 2 矩阵分解相关理论介绍 | 第12-23页 |
| 2.1 引言 | 第12页 |
| 2.2 流形学习 | 第12-16页 |
| 2.2.1 局部保持投影 | 第14-15页 |
| 2.2.2 邻域保持嵌入 | 第15-16页 |
| 2.3 非负矩阵分解 | 第16-21页 |
| 2.3.1 非负矩阵分解算法的求解过程 | 第17-18页 |
| 2.3.2 非负矩阵分解的收敛性证明 | 第18-21页 |
| 2.4 稀疏编码理论 | 第21-23页 |
| 3 图规则化和稀疏编码的非负矩阵分解算法 | 第23-46页 |
| 3.1 引言 | 第23-24页 |
| 3.2 非负矩阵分解变体算法研究现状 | 第24-27页 |
| 3.2.1 稀疏性NMF | 第24-25页 |
| 3.2.2 鉴别性NMF | 第25页 |
| 3.2.3 加权NMF | 第25-26页 |
| 3.2.4 泛化NMF | 第26-27页 |
| 3.3 图规则化和稀疏编码的非负矩阵分解 | 第27-30页 |
| 3.3.1 GRNMF_SC的模型和分解方法 | 第27-29页 |
| 3.3.2 RNMF_SC的收敛性证明 | 第29-30页 |
| 3.4 实验 | 第30-44页 |
| 3.4.1 数据集描述 | 第30-31页 |
| 3.4.2 基于ORL数据集和Yale数据集的人脸识别结果 | 第31-33页 |
| 3.4.3 基图像学习 | 第33-38页 |
| 3.4.4 人脸重构实验 | 第38-40页 |
| 3.4.5 人脸遮挡识别 | 第40-42页 |
| 3.4.6 COIL20的聚类实验 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 稀疏概念的判别矩阵分解 | 第46-65页 |
| 4.1 引言 | 第46-47页 |
| 4.2 子空间学习的图嵌入框架和谱回归理论 | 第47-50页 |
| 4.2.1 图嵌入框架 | 第47-49页 |
| 4.2.2 谱回归理论 | 第49-50页 |
| 4.3 稀疏概念的判别矩阵分解 | 第50-55页 |
| 4.3.1 SDMF的数学模型和近fisher准则 | 第51-52页 |
| 4.3.2 基学习过程 | 第52-54页 |
| 4.3.3 系数表示学习过程 | 第54-55页 |
| 4.4 实验 | 第55-64页 |
| 4.4.1 数据集描述 | 第55-56页 |
| 4.4.2 近fisher准则的分类性能测试 | 第56-58页 |
| 4.4.3 人脸识别实验 | 第58-61页 |
| 4.4.4 COIL20聚类实验 | 第61-63页 |
| 4.4.5 SDMF与GRNMF_SC的比较 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |