| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-14页 |
| 1.4 论文主要工作 | 第14-16页 |
| 第2章 图嵌入学习综述 | 第16-28页 |
| 2.1 图嵌入学习的概念 | 第16-17页 |
| 2.2 图嵌入学习的方法 | 第17-25页 |
| 2.2.1 主成分分析(PCA) | 第17-19页 |
| 2.2.2 等距映射(ISOMAP) | 第19-20页 |
| 2.2.3 拉普拉斯映射(LE) | 第20-21页 |
| 2.2.4 基于格拉斯曼流形的图嵌入分析 | 第21-22页 |
| 2.2.5 局部线性坐标(LLC) | 第22-24页 |
| 2.2.6 流形坐标卡 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第3章 鲁棒性一致关系图学习算法研究 | 第28-44页 |
| 3.1 引言 | 第28-30页 |
| 3.2 算法基本符号和相关工作 | 第30-31页 |
| 3.2.1 基本符号 | 第30-31页 |
| 3.2.2 超图 | 第31页 |
| 3.3 算法设计思路与流程 | 第31-36页 |
| 3.3.1 鲁棒性超图拉普拉斯构建算法(RHLC) | 第32页 |
| 3.3.2 一致性相似图学习算法(CAGL) | 第32-36页 |
| 3.4 实验设计与分析 | 第36-42页 |
| 3.4.1 网络图片聚类 | 第36-39页 |
| 3.4.2 图像集聚类 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 张量驱动的低秩判别性分析算法研究 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 相关工作 | 第45-46页 |
| 4.2.1 张量基础知识 | 第45-46页 |
| 4.2.2 低秩表示(LRR) | 第46页 |
| 4.3 算法设计思路与流程 | 第46-53页 |
| 4.3.1 张量驱动的低秩表示 | 第46-48页 |
| 4.3.2 直推式的图映射判别性分析 | 第48-50页 |
| 4.3.3 最优化求解 | 第50-53页 |
| 4.4 实验分析 | 第53-60页 |
| 4.4.1 数据库介绍和实验设置 | 第53-54页 |
| 4.4.2 成分分析 | 第54-56页 |
| 4.4.3 算法评估分析 | 第56-58页 |
| 4.4.4 实验对比分析 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 困难及其未来工作展望 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 发表论文和参加科研情况说明 | 第72-74页 |
| （一）发表的学术论文 | 第72-74页 |
| 致谢 | 第74-75页 |