稀疏表示在图像识别中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·稀疏表示简介 | 第9-11页 |
| ·基本求解形式 | 第9-10页 |
| ·有噪声的求解形式 | 第10页 |
| ·X非负时的求解形式 | 第10-11页 |
| ·稀疏表示的对偶问题 | 第11页 |
| ·稀疏表示的应用 | 第11-12页 |
| ·人脸识别 | 第11-12页 |
| ·本文研究内容 | 第12-13页 |
| ·组织结构 | 第13-14页 |
| 第二章 稀疏表示相关研究综述 | 第14-20页 |
| ·稀疏表示的主流算法介绍 | 第14-18页 |
| ·梯度投影法 | 第14-15页 |
| ·迭代收缩阈值法 | 第15-16页 |
| ·近端梯度法 | 第16-17页 |
| ·对偶问题的增广拉格朗日乘子法 | 第17-18页 |
| ·稀疏表示解决人脸识别问题 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第三章 L1稀疏矩阵的关键问题研究 | 第20-34页 |
| ·拉格朗日乘子法求解稀疏表示 | 第20-22页 |
| ·增广拉格朗日乘子法 | 第21页 |
| ·交替方向方法 | 第21-22页 |
| ·自适应惩罚因子线性ADM算法 | 第22-25页 |
| ·ADM算法的线性化 | 第23-25页 |
| ·自适应惩罚因子 | 第25页 |
| ·线性ADM算法并行性优化 | 第25-28页 |
| ·多变量下的稀疏问题 | 第26-27页 |
| ·理论收敛保证下的求解算法 | 第27-28页 |
| ·实验结果对比 | 第28-32页 |
| ·仿真实验结果对比 | 第29-32页 |
| ·人脸识别实验结果对比 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 并行算法的设计与实现 | 第34-44页 |
| ·GPU并行计算 | 第34-37页 |
| ·GPGPU简介 | 第35-36页 |
| ·CUDA简介 | 第36-37页 |
| ·并行稀疏表示的设计与实现 | 第37-41页 |
| ·LADMAP的设计与实现 | 第37页 |
| ·MLADMAP的设计与实现 | 第37-41页 |
| ·实验结果对比 | 第41-42页 |
| ·对比GPU和CPU上的计算时间 | 第42页 |
| ·与DALM运行结果对比 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第五章 稀疏表示问题的一些变种 | 第44-54页 |
| ·有噪声的非约束问题模型 | 第44-47页 |
| ·用L2范数衡量噪声 | 第44-46页 |
| ·用L1范数衡量噪声 | 第46-47页 |
| ·有噪声的约束问题模型 | 第47页 |
| ·X非负时的稀疏表示 | 第47-49页 |
| ·稀疏表示的对偶问题 | 第49-50页 |
| ·稀疏表示的停止准则 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
