首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于共享子空间学习的多视角学习方法应用研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第8-14页
    1.1 课题的研究背景与意义第8-10页
    1.2 相关研究进展第10-12页
    1.3 论文的研究思路与研究内容第12-13页
    1.4 论文的结构安排第13页
    1.5 本章小结第13-14页
第二章 预备知识第14-20页
    2.1 NMF相关算法第14-17页
        2.1.1 NMF算法第14-15页
        2.1.2 Multi-NMF第15-17页
    2.2 PAF框架第17-19页
    2.3 本章小结第19-20页
第三章 基于NMF的多视角共享子空间聚类算法第20-39页
    3.1 引言第20-21页
    3.2 前期准备第21-22页
    3.3 多视角聚类算法第22-25页
        3.3.1 相关约束项第22-23页
        3.3.2 Co-regularization函数第23-24页
        3.3.3 目标函数第24-25页
    3.4 优化过程第25-28页
    3.5 实验结果与分析第28-37页
        3.5.1 数据集与评估标准第29-30页
        3.5.2 两个视角的聚类实验第30-33页
        3.5.3 四个视角的聚类实验第33-36页
        3.5.4 收敛性分析第36页
        3.5.5 参数设定第36-37页
    3.6 本章小结第37-39页
第四章 基于PAF的多视角共享子空间分类算法第39-55页
    4.1 引言第39页
    4.2 前期准备第39-41页
    4.3 多视角分类算法第41-46页
        4.3.1 重构误差项第42页
        4.3.2 共享子空间约束项第42-43页
        4.3.3 分类损失项第43页
        4.3.4 几何结构约束项第43-45页
        4.3.5 目标函数第45-46页
    4.4 优化过程第46-50页
    4.5 实验结果与分析第50-54页
        4.5.1 实验设置第50-51页
        4.5.2 参数设定第51-53页
        4.5.3 实验对比第53-54页
    4.6 本章小结第54-55页
第五章 总结与展望第55-57页
    5.1 工作总结第55-56页
    5.2 工作展望第56-57页
致谢第57-58页
参考文献第58-64页
附录 发表论文目录第64页

论文共64页,点击 下载论文
上一篇:基于群体智慧的社交网络数据挖掘的研究
下一篇:基于机器视觉的障碍物识别算法的研究