基于图结构的半监督字典学习研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外现状 | 第10-12页 |
| 1.2.1 稀疏表示 | 第10-11页 |
| 1.2.2 字典学习 | 第11-12页 |
| 1.2.3 基于图结构的半监督学习分类 | 第12页 |
| 1.3 文章的内容与结构安排 | 第12-15页 |
| 第二章 字典学习算法研究 | 第15-23页 |
| 2.1 稀疏表示 | 第15-16页 |
| 2.1.1 稀疏表示概述 | 第15页 |
| 2.1.2 稀疏表示的模型 | 第15-16页 |
| 2.1.3 稀疏表示的应用 | 第16页 |
| 2.2 字典学习经典模型 | 第16-19页 |
| 2.2.1 字典学习概述 | 第16-17页 |
| 2.2.2 无监督字典学习 | 第17-18页 |
| 2.2.3 有监督字典学习 | 第18-19页 |
| 2.2.4 半监督字典学习 | 第19页 |
| 2.3 数据图的构造 | 第19-22页 |
| 2.3.1 K近邻图 | 第20页 |
| 2.3.2 ε近邻图 | 第20页 |
| 2.3.3 局部线性嵌入图 | 第20-21页 |
| 2.3.4 全局线性表示图 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于图结构的半监督字典学习 | 第23-35页 |
| 3.1 本文方法研究动机：半监督字典学习和图结构 | 第23页 |
| 3.2 算法的基础工作 | 第23-26页 |
| 3.2.1 稀疏编码问题 | 第23-25页 |
| 3.2.2 特殊标签传播 | 第25页 |
| 3.2.3 混合软相似度 | 第25-26页 |
| 3.3 基于图结构的L_1范数半监督字典学习方法 | 第26-30页 |
| 3.3.1 图结构约束 | 第26-27页 |
| 3.3.2 模型 | 第27-30页 |
| 3.4 实验结果 | 第30-32页 |
| 3.4.1 实验设计方案 | 第30-31页 |
| 3.4.2 实验结果及分析 | 第31-32页 |
| 3.5 本章总结 | 第32-35页 |
| 第四章 基于图结构的L_p范数半监督字典学习 | 第35-43页 |
| 4.1 基于图结构的L_p范数半监督字典学习模型 | 第35-39页 |
| 4.1.1 优化过程 | 第35-38页 |
| 4.1.2 无标签样本的标签信息 | 第38-39页 |
| 4.2 实验结果 | 第39-41页 |
| 4.2.1 实验设计方案 | 第39页 |
| 4.2.2 实验结果以及分析 | 第39-41页 |
| 4.3 本章总结 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 工作总结 | 第43页 |
| 5.2 工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |
