基于自适应加权的多类线性判别分析降维算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文主要研究内容和创新点 | 第17页 |
| 1.4 本文内容结构 | 第17-19页 |
| 第二章 线性判别分析方法 | 第19-26页 |
| 2.1 引言 | 第19-20页 |
| 2.1.1 线性判别函数的基本概念 | 第19-20页 |
| 2.2 Fisher线性判别分析 | 第20-23页 |
| 2.3 FLDA的局限性 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于柯西不等式的自适应加权多类LDA | 第26-46页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于柯西不等式的自适应加权多类LDA算法 | 第27-32页 |
| 3.2.1 自适应加权线性判别分析方法 | 第27-29页 |
| 3.2.2 算法分析与求解 | 第29-32页 |
| 3.3 实验设计与分析 | 第32-44页 |
| 3.3.1 合成数据实验 | 第32-34页 |
| 3.3.2 UCI数据集实验 | 第34-40页 |
| 3.3.3 人脸数据集实验 | 第40-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于概率矩阵的自适应加权多类LDA算法 | 第46-64页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于概率矩阵的自适应加权多类LDA算法 | 第47-51页 |
| 4.2.1 自适应加权线性判别分析方法 | 第47-48页 |
| 4.2.2 算法分析与求解 | 第48-51页 |
| 4.2.3 与AWMLDA的关系 | 第51页 |
| 4.3 实验设计与分析 | 第51-63页 |
| 4.3.1 合成数据实验 | 第52-54页 |
| 4.3.2 UCI数据集实验 | 第54-59页 |
| 4.3.3 人脸数据集实验 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文研究工作及成果 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的学术论文目录 | 第75-76页 |
| 攻读硕士学位期间参与的科研项目 | 第76页 |
