| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 子空间聚类算法的研究现状 | 第8-11页 |
| 1.3 稀疏子空间聚类算法的研究现状 | 第11-13页 |
| 1.4 稀疏子空间聚类算法存在的不足和进一步研究的方向 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 2 稀疏子空间聚类理论及相关算法 | 第16-28页 |
| 2.1 引言 | 第16-17页 |
| 2.2 稀疏子空间聚类算法(SSC) | 第17-22页 |
| 2.3 低秩表示算法(LRR) | 第22-25页 |
| 2.4 低秩稀疏表示算法(LRSSC) | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于分数阶函数的加权稀疏子空间聚类算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 加权l_1最小化框架 | 第28-33页 |
| 3.3 基于分数阶函数的加权稀疏子空间聚类算法 | 第33-35页 |
| 3.4 实验结果和分析 | 第35-43页 |
| 3.4.1 Hopkins155数据集 | 第36-38页 |
| 3.4.2 FBMS137数据集 | 第38-41页 |
| 3.4.3 Extended Yale B数据集 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于分数阶函数的加权核函数最小化的低秩表示算法 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 加权核范数最小化框架 | 第44-45页 |
| 4.3 基于分数阶函数的加权核范数最小化低秩表示算法 | 第45-47页 |
| 4.3.1 基于分数阶函数的加权核范数框架 | 第45-46页 |
| 4.3.2 基于分数阶函数的加权低秩表示算法 | 第46-47页 |
| 4.4 实验结果和分析 | 第47-52页 |
| 4.4.1 Hopkins155数据集 | 第48-49页 |
| 4.4.2 FBMS137数据集 | 第49-51页 |
| 4.4.3 人脸聚类数据集 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 基于分数阶函数的加权低秩稀疏子空间聚类算法 | 第53-62页 |
| 5.1 引言 | 第53页 |
| 5.2 基于分数阶函数的加权低秩稀疏子空间聚类算法 | 第53-55页 |
| 5.3 实验结果及分析 | 第55-61页 |
| 5.3.1 Hopkins155数据集 | 第55-57页 |
| 5.3.2 FBMS137数据集 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71页 |
