面向图像表达的非负局部坐标分解算法

致谢	第1-6页
摘要	第6-7页
Abstract	第7-10页
图目录	第10-11页
表目录	第11-12页
1 绪论	第12-17页
·机器学习	第12-13页
·无监督学习	第13-14页
·降维	第14页
·降维与图像表达	第14-16页
·小结	第16-17页
2 非负矩阵分解回顾	第17-24页
·NMF的发展及原理	第17-20页
·应用领域	第20-22页
·小结	第22-24页
3 相关工作	第24-26页
·扩展非负限制	第24页
·聚类与分类应用	第24页
·增强局部性	第24-25页
·稀疏表达	第25页
·小结	第25-26页
4 非负局部坐标分解	第26-35页
·目标函数	第26-27页
·优化方法	第27-28页
·与梯度下降算法的联系	第28-29页
·收敛分析	第29-33页
·计算复杂度分析	第33-34页
·小结	第34-35页
5 实验结果	第35-51页
·数据集	第35-36页
·聚类结果的评价	第36-40页
·基向量和图像编码	第40-41页
·学习超完备(overcomplete)基	第41-42页
·收敛分析	第42页
·小结	第42-51页
6 总结和未来工作	第51-52页
参考文献	第52-56页
攻读硕士学位期间主要研究成果	第56页