| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·研究动机 | 第8-9页 |
| ·研究问题 | 第9-11页 |
| ·本文组织结构 | 第11-13页 |
| 2 相关基础知识介绍 | 第13-19页 |
| ·稀疏表示理论介绍 | 第13-14页 |
| ·损失函数及稀疏正则项定义 | 第14-15页 |
| ·基本优化算法 | 第15-18页 |
| ·次梯度 | 第15-16页 |
| ·Proximal算法 | 第16-17页 |
| ·块坐标下降算法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 半监督距离学习用于人体运动捕获数据的相似性度量 | 第19-28页 |
| ·引言 | 第19页 |
| ·相关工作 | 第19-21页 |
| ·特征提取 | 第21页 |
| ·基于稀疏表示的半监督距离学习 | 第21-24页 |
| ·实验与评价 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 4 基于多表示的联合稀疏模型用于人体运动捕获数据的关键帧提取 | 第28-44页 |
| ·引言 | 第28页 |
| ·相关工作 | 第28-31页 |
| ·模型建立及应用 | 第31-38页 |
| ·概述 | 第31-34页 |
| ·模型建立 | 第34-38页 |
| ·实验结果及分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于结构性稀疏主成分分析模型的运动合成 | 第44-55页 |
| ·引言 | 第44页 |
| ·相关工作 | 第44-46页 |
| ·基于SSPCA的运动合成 | 第46-49页 |
| ·数据预处理 | 第46页 |
| ·结构性稀疏主成分分析 | 第46-47页 |
| ·运动建模与合成 | 第47-49页 |
| ·实验结果 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 6 论文总结与展望 | 第55-57页 |
| ·本文总结 | 第55页 |
| ·未来展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 附录 | 第64页 |