| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究的背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文主要内容和结构安排 | 第14-16页 |
| 第2章 稀疏编码和低秩表示 | 第16-24页 |
| ·稀疏编码模型 | 第16-18页 |
| ·稀疏编码求解算法 | 第18-21页 |
| ·直接求解算法 | 第18-19页 |
| ·字典学习算法 | 第19-20页 |
| ·目前稀疏编码存在的问题 | 第20-21页 |
| ·低秩表示理论 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 M近邻的判别性字典学习的稀疏编码算法 | 第24-40页 |
| ·引言 | 第24页 |
| ·M近邻的判别性字典学习 | 第24-32页 |
| ·随机人脸特征 | 第25页 |
| ·标签一致性的K-SVD算法 | 第25-29页 |
| ·改进的LC-KSVD算法 | 第29-32页 |
| ·实验结果与分析 | 第32-38页 |
| ·Extended Yale B人脸数据集实验结果 | 第32-34页 |
| ·AR人脸数据集实验结果 | 第34-35页 |
| ·Caltech101 数据集实验结果 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 判别性低秩字典学习的稀疏编码算法 | 第40-53页 |
| ·引言 | 第40-41页 |
| ·低秩表示 | 第41-42页 |
| ·增广的拉格朗日乘子算法 | 第41-42页 |
| ·判别性低秩字典学习 | 第42-46页 |
| ·LC-KSVD算法与低秩表示结合方法 | 第42-43页 |
| ·MLR算法 | 第43-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·参数的选择 | 第46-48页 |
| ·实验数据分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·论文研究的成果 | 第53-54页 |
| ·未来的展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 作者在攻读硕士学位期间的科研成果 | 第61-62页 |