多视角子空间学习方法及其应用研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.2 国内外研究及现状 | 第8-11页 |
| 1.2.1 协同训练 | 第8-9页 |
| 1.2.2 多核学习 | 第9-10页 |
| 1.2.3 子空间学习 | 第10-11页 |
| 1.3 本文研究内容及文章结构安排 | 第11-14页 |
| 1.3.1 本文研究内容 | 第11-12页 |
| 1.3.2 本文章节安排 | 第12-14页 |
| 2 相关算法 | 第14-24页 |
| 2.1 子空间学习算法 | 第14-17页 |
| 2.1.1 拉普拉斯映射 | 第14-15页 |
| 2.1.2 局部线性嵌入 | 第15-17页 |
| 2.2 多视角学习算法 | 第17-21页 |
| 2.2.1 基于Pairwise的协同正则化 | 第18-19页 |
| 2.2.2 基于Centroid的协同正则化 | 第19-21页 |
| 2.3 优化求解算法 | 第21-24页 |
| 2.3.1 EM算法 | 第21-22页 |
| 2.3.2 Gibbs采样算法 | 第22-24页 |
| 3 单视角文本挖掘 | 第24-32页 |
| 3.1 引言 | 第24-25页 |
| 3.2 数据集描述 | 第25-26页 |
| 3.3 主题模型算法描述 | 第26-28页 |
| 3.4 实验结果与分析 | 第28-30页 |
| 3.5 本章小结 | 第30-32页 |
| 4 多视角重构保持嵌入方法 | 第32-45页 |
| 4.1 引言 | 第32-33页 |
| 4.2 MRPE算法构造过程 | 第33-36页 |
| 4.3 MRPE算法优化过程 | 第36-37页 |
| 4.4 实验结果与分析 | 第37-43页 |
| 4.4.1 数据集及对比算法 | 第38-40页 |
| 4.4.2 分类实验结果分析 | 第40-43页 |
| 4.5 本章小结 | 第43-45页 |
| 5 多视角图像检索 | 第45-58页 |
| 5.1 引言 | 第45-46页 |
| 5.2 图像检索框架 | 第46-47页 |
| 5.3 底层特征提取 | 第47-49页 |
| 5.3.1 颜色特征 | 第47-48页 |
| 5.3.2 纹理特征 | 第48-49页 |
| 5.3.3 形状特征 | 第49页 |
| 5.4 相似性度量方法 | 第49-50页 |
| 5.5 多视角图像检索实验 | 第50-56页 |
| 5.5.1 数据集及评价指标介绍 | 第50-52页 |
| 5.5.2 图像检索实验结果分析 | 第52-56页 |
| 5.6 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-66页 |
