监督流形学习在图像特征提取中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-21页 |
| ·研究背景与意义 | 第12-13页 |
| ·流形学习发展与研究现状 | 第13-18页 |
| ·流形学习的应用 | 第18-19页 |
| ·流形学习面临的问题 | 第19-20页 |
| ·本文主要工作和内容安排 | 第20-21页 |
| 第2章 流形学习方法 | 第21-37页 |
| ·传统线性降维方法 | 第21-22页 |
| ·非线性流形学习方法 | 第22-27页 |
| ·等距映射 | 第22-23页 |
| ·局部线性嵌入 | 第23-24页 |
| ·拉普拉斯特征映射 | 第24页 |
| ·局部切空间排列 | 第24-25页 |
| ·最大方差展开 | 第25-26页 |
| ·几种非线性流形学习方法的归纳对比 | 第26-27页 |
| ·线性流形学习方法 | 第27-29页 |
| ·近邻保持嵌入 | 第27页 |
| ·局部保持投影 | 第27-28页 |
| ·线性局部切空间排列 | 第28-29页 |
| ·基于核的流形学习方法 | 第29-31页 |
| ·核方法的相关定义和定理 | 第30页 |
| ·常见的核函数 | 第30页 |
| ·核局部保持投影 | 第30-31页 |
| ·张量流形学习方法 | 第31-36页 |
| ·张量的相关数学定义 | 第32-33页 |
| ·二维主成分分析 | 第33页 |
| ·张量子空间分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 监督流形学习方法 | 第37-52页 |
| ·基于图嵌入的监督流形学习方法 | 第37-45页 |
| ·图嵌入及其拓展框架 | 第38-40页 |
| ·边界Fisher分析 | 第40-42页 |
| ·局部敏感判别分析 | 第42-44页 |
| ·局部鉴别嵌入 | 第44-45页 |
| ·基于类散度的监督流形学习方法 | 第45-46页 |
| ·最大间距准则 | 第45-46页 |
| ·保局判别分析 | 第46页 |
| ·最大类间相斥的局部保持投影 | 第46-50页 |
| ·MRLPP算法分析 | 第47-48页 |
| ·MRLPP算法流程 | 第48页 |
| ·实验与讨论 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 稀疏鉴别嵌入 | 第52-64页 |
| ·稀疏表示 | 第52-53页 |
| ·稀疏表示构图 | 第53-55页 |
| ·稀疏表示投影 | 第55-57页 |
| ·监督稀疏保持投影 | 第57-58页 |
| ·SSPP算法分析 | 第57-58页 |
| ·SSPP算法流程 | 第58页 |
| ·稀疏鉴别嵌入 | 第58-60页 |
| ·SDE算法分析 | 第58-59页 |
| ·SDE算法流程 | 第59-60页 |
| ·实验与讨论 | 第60-63页 |
| ·数据集描述与实验设置 | 第60页 |
| ·实验结果与讨论 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第72页 |
