| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·预备知识 | 第9-13页 |
| ·流行学习 | 第9-10页 |
| ·张量 | 第10-13页 |
| ·本文研究内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 2 矩阵分解理论在降维中的应用 | 第15-19页 |
| ·引言 | 第15-16页 |
| ·奇异值分解(SVD)与张量子空间分析(TSA) | 第16-17页 |
| ·高阶奇异值分解(HOSVD)与张量近邻保留嵌入(TNPE) | 第17-18页 |
| ·矩阵分解在降维中的应用原理 | 第18页 |
| ·小结 | 第18-19页 |
| 3 一种基于近邻保留嵌入的算法(2D-NPE) | 第19-27页 |
| ·引言 | 第19-20页 |
| ·NPE 算法回顾 | 第20页 |
| ·改进的NPE 数据降维方法(2D-NPE) | 第20-25页 |
| ·构造流形空间上的邻域G | 第20-21页 |
| ·算法及推导 | 第21页 |
| ·2D-NPE 算法 | 第21-25页 |
| ·实验对比分析 | 第25-26页 |
| ·小结 | 第26-27页 |
| 结论 | 第27-29页 |
| 参考文献 | 第29-31页 |
| 攻读硕士学位期间发表学术论文情况 | 第31-32页 |
| 致谢 | 第32页 |