多视图特征学习方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 多视图学习研究现状 | 第12-16页 |
| 1.2.1 概述 | 第12-13页 |
| 1.2.2 多视图子空间学习研究现状 | 第13-15页 |
| 1.2.3 多视图字典学习研究现状 | 第15页 |
| 1.2.4 半监督多视图学习研究现状 | 第15-16页 |
| 1.3 多视图学习技术目前存在的问题 | 第16-17页 |
| 1.4 论文主要研究工作概述 | 第17-19页 |
| 1.5 本文内容章节安排 | 第19-21页 |
| 第二章 相关工作简介 | 第21-41页 |
| 2.1 引言 | 第21页 |
| 2.2 基于线性鉴别分析技术的方法 | 第21-26页 |
| 2.2.1 线性鉴别分析 | 第21-22页 |
| 2.2.2 不相关线性鉴别分析方法 | 第22-23页 |
| 2.2.3 递归Fisher线性鉴别分析方法 | 第23-25页 |
| 2.2.4 流形鉴别学习方法 | 第25-26页 |
| 2.3 字典学习和低秩学习 | 第26-30页 |
| 2.3.1 字典学习 | 第26-28页 |
| 2.3.2 低秩学习 | 第28-30页 |
| 2.4 多视图子空间学习方法 | 第30-34页 |
| 2.4.1 多视图典型相关分析 | 第30-31页 |
| 2.4.2 多视图鉴别分析 | 第31-32页 |
| 2.4.3 多视图线性鉴别分析 | 第32-33页 |
| 2.4.4 广义多视图边界Fisher分析 | 第33-34页 |
| 2.5 多视图字典学习方法 | 第34-37页 |
| 2.5.1 稀疏多模态生物特征识别 | 第34-35页 |
| 2.5.2 多模态稀疏表示分类 | 第35-36页 |
| 2.5.3 多视图有监督字典学习 | 第36-37页 |
| 2.6 半监督多视图特征学习方法 | 第37-40页 |
| 2.6.1 多视图半监督维数降低 | 第37-38页 |
| 2.6.2 半配对半监督广义相关性分析 | 第38-39页 |
| 2.6.3 半监督统一潜在因子学习 | 第39-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 多视图鉴别分析 | 第41-65页 |
| 3.1 引言 | 第41-42页 |
| 3.2 组递归鉴别子空间学习 | 第42-48页 |
| 3.2.1 第一次样本集分解 | 第42-43页 |
| 3.2.2 后续递归学习 | 第43-45页 |
| 3.2.3 投影向量选择规则 | 第45页 |
| 3.2.4 矩阵形式递归学习终止准则 | 第45-46页 |
| 3.2.5 算法实现步骤 | 第46-47页 |
| 3.2.6 时间复杂度分析 | 第47页 |
| 3.2.7 与相关工作的区别 | 第47-48页 |
| 3.3 不相关局部敏感多视图鉴别分析 | 第48-55页 |
| 3.3.1 局部敏感的多视图鉴别分析 | 第48-50页 |
| 3.3.2 跨视图一致性 | 第50页 |
| 3.3.3 不相关的多视图变换 | 第50-51页 |
| 3.3.4 ULSMDA总目标函数 | 第51页 |
| 3.3.5 优化和分类 | 第51-53页 |
| 3.3.6 算法实现步骤 | 第53页 |
| 3.3.7 时间复杂度分析 | 第53-54页 |
| 3.3.8 与相关工作的区别 | 第54-55页 |
| 3.4 实验评估 | 第55-63页 |
| 3.4.1 数据集介绍 | 第55-57页 |
| 3.4.2 对比方法以及实验设置 | 第57页 |
| 3.4.3 分类效果评估 | 第57-59页 |
| 3.4.4 GRDSL的重要成分评估 | 第59-60页 |
| 3.4.5 ULSMDA的重要成分评估 | 第60-61页 |
| 3.4.6 ULSMDA的参数影响评估 | 第61-62页 |
| 3.4.7 运行时间评估 | 第62-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 多视图字典学习 | 第65-108页 |
| 4.1 引言 | 第65-66页 |
| 4.2 不相关多视图鉴别字典学习 | 第66-73页 |
| 4.2.1 UMD~2L方法模型 | 第66-68页 |
| 4.2.2 优化过程 | 第68-70页 |
| 4.2.3 分类机制 | 第70页 |
| 4.2.4 算法实现步骤 | 第70-71页 |
| 4.2.5 时间复杂度分析 | 第71-72页 |
| 4.2.6 与相关工作的区别 | 第72-73页 |
| 4.3 多视图低秩字典学习 | 第73-83页 |
| 4.3.1 MLDL模型 | 第74-75页 |
| 4.3.2 MLDL的优化过程 | 第75-79页 |
| 4.3.3 MLDL的分类机制 | 第79-80页 |
| 4.3.4 算法实现步骤 | 第80-81页 |
| 4.3.5 时间复杂度分析 | 第81页 |
| 4.3.6 与相关工作的区别 | 第81-83页 |
| 4.4 多视图低秩共享结构化字典学习 | 第83-91页 |
| 4.4.1 MLS~2DL方法模型 | 第83-85页 |
| 4.4.2 MLS~2DL的优化过程 | 第85-88页 |
| 4.4.3 MLS~2DL的分类机制 | 第88-89页 |
| 4.4.4 算法实现步骤 | 第89-90页 |
| 4.4.5 时间复杂度分析 | 第90页 |
| 4.4.6 与相关工作的区别 | 第90-91页 |
| 4.5 实验评估 | 第91-106页 |
| 4.5.1 实验数据集 | 第91-93页 |
| 4.5.2 对比方法以及实验设置 | 第93-94页 |
| 4.5.3 分类效果评估 | 第94-98页 |
| 4.5.4 UMD~2L的重要成分评估 | 第98-99页 |
| 4.5.5 MLDL的重要成分评估 | 第99-101页 |
| 4.5.6 MLS~2DL的重要成分评估 | 第101页 |
| 4.5.7 参数影响评估 | 第101-105页 |
| 4.5.8 运行时间评估 | 第105-106页 |
| 4.6 本章小结 | 第106-108页 |
| 第五章 半监督多视图鉴别分析 | 第108-120页 |
| 5.1 引言 | 第108页 |
| 5.2 不相关半监督视图内视图间流形鉴别学习 | 第108-114页 |
| 5.2.1 SI~2MD机制 | 第109-111页 |
| 5.2.2 半监督不相关约束 | 第111-112页 |
| 5.2.3 USI~2MD总目标函数以及分类机制 | 第112页 |
| 5.2.4 算法实现步骤 | 第112-113页 |
| 5.2.5 时间复杂度分析 | 第113页 |
| 5.2.6 与相关工作的区别 | 第113-114页 |
| 5.3 实验评估 | 第114-119页 |
| 5.3.1 对比方法以及实验设置 | 第114-115页 |
| 5.3.2 分类效果评估 | 第115-117页 |
| 5.3.3 USI~2MD的重要成分评估 | 第117-118页 |
| 5.3.4 参数影响评估 | 第118-119页 |
| 5.3.5 运行时间评估 | 第119页 |
| 5.4 本章小结 | 第119-120页 |
| 第六章 总结与展望 | 第120-123页 |
| 6.1 本文工作总结 | 第120-121页 |
| 6.2 未来工作展望 | 第121-123页 |
| 参考文献 | 第123-131页 |
| 附录1 攻读博士学位期间撰写的论文 | 第131-134页 |
| 附录2 攻读博士学位期间参加的科研项目 | 第134-135页 |
| 致谢 | 第135页 |
