| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第8-10页 |
| 第2章 背景知识 | 第10-18页 |
| 2.1 稀疏表示 | 第10-12页 |
| 2.2 字典学习 | 第12-15页 |
| 2.2.1 无监督字典学习 | 第14-15页 |
| 2.2.2 有监督字典学习 | 第15页 |
| 2.3 多模态联合稀疏表达 | 第15-18页 |
| 2.3.1 多传感器信息融合 | 第16页 |
| 2.3.2 多模态联合稀疏表达 | 第16-18页 |
| 第3章 多模态字典学习 | 第18-23页 |
| 3.1 多模态无监督字典学习 | 第18页 |
| 3.2 多模态有监督字典学习 | 第18-20页 |
| 3.3 l_(12)范数多模态监督字典学习优化求解 | 第20-23页 |
| 第4章 改进的多模态字典学习方法 | 第23-31页 |
| 4.1 洛伦兹范数及其优越性 | 第23页 |
| 4.2 基于洛伦兹范数的字典学习方法 | 第23-31页 |
| 第5章 数据实验 | 第31-36页 |
| 5.1 AR人脸识别 | 第31-33页 |
| 5.2 多视角动作识别 | 第33-34页 |
| 5.3 富含丰富表情的人脸识别 | 第34-36页 |
| 第6章 结论 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 致谢 | 第41页 |