基于双线性概率主成分分析的聚类算法研究
| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-17页 |
| 第一节 研究背景与意义 | 第10-11页 |
| 第二节 研究动态与现状 | 第11-15页 |
| 第三节 论文研究内容与创新点 | 第15页 |
| 一、研究内容 | 第15页 |
| 二、论文创新点 | 第15页 |
| 第四节 研究思路和结构安排 | 第15-17页 |
| 第二章 相关理论知识介绍 | 第17-30页 |
| 第一节 主成分分析 | 第17-19页 |
| 一、主成分分析基本理论 | 第17-18页 |
| 二、主成分分析的最小误差形式 | 第18页 |
| 三、主成分分析的最大方差形式 | 第18-19页 |
| 第二节 隐变量模型 | 第19页 |
| 第三节 因子分析 | 第19-20页 |
| 第四节 概率主成分分析 | 第20-22页 |
| 一、PPCA模型介绍 | 第20-21页 |
| 二、PPCA模型参数估计 | 第21-22页 |
| 三、数据降维与最优重构 | 第22页 |
| 第五节 混合高斯模型 | 第22-23页 |
| 第六节 混合概率主成分分析 | 第23-25页 |
| 第七节 双线性概率主成分分析 | 第25-29页 |
| 一、模型建立 | 第25-26页 |
| 二、参数估计 | 第26-29页 |
| 三、数据降维与最优重构 | 第29页 |
| 第八节 本章小结 | 第29-30页 |
| 第三章 混合双线性概率主成分分析 | 第30-38页 |
| 第一节 模型构建 | 第30-31页 |
| 第二节 参数估计 | 第31-36页 |
| 一、ECM算法 | 第31-33页 |
| 二、AECM算法 | 第33-36页 |
| 第三节 两种算法的计算复杂度 | 第36-37页 |
| 一、ECM算法的计算复杂度 | 第36页 |
| 二、AECM算法的计算复杂度 | 第36-37页 |
| 第四节 本章小结 | 第37-38页 |
| 第四章 实验设计 | 第38-51页 |
| 第一节 两种算法性能分析 | 第38-41页 |
| 一、参数估计值的精确度 | 第38-40页 |
| 二、算法的收敛性 | 第40-41页 |
| 第二节 手写数字数据库上的实验 | 第41-46页 |
| 一、数据库介绍 | 第41-42页 |
| 二、实验过程 | 第42-43页 |
| 三、实验结果 | 第43-46页 |
| 第三节 UMIST人脸数据库上的实验 | 第46-50页 |
| 一、数据库介绍 | 第46页 |
| 二、实验过程 | 第46-47页 |
| 三、实验结果 | 第47-50页 |
| 第四节 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 第一节 本文总结 | 第51页 |
| 第二节 不足与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 在读期间的研究成果 | 第57-58页 |
