| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景及意义 | 第10-11页 |
| ·稀疏表示和字典学习方法研究现状 | 第11-13页 |
| ·非线性模式识别方法的发展 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| 第2章 稀疏表示和非线性模式识别理论 | 第15-22页 |
| ·引言 | 第15页 |
| ·稀疏表示模型 | 第15-18页 |
| ·稀疏表示问题的优化算法 | 第16页 |
| ·稀疏表示字典的设计 | 第16-18页 |
| ·非线性模式识别理论 | 第18-21页 |
| ·核函数相关计算 | 第19-20页 |
| ·核矩阵 | 第20页 |
| ·核函数在模式识别中的应用 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于 Metaface 的核字典学习方法 | 第22-33页 |
| ·引言 | 第22页 |
| ·Metaface 字典学习框架 | 第22-23页 |
| ·基于 Metaface 字典学习的 KKSVD：Meta-KKSVD | 第23-28页 |
| ·非线性核字典学习方法 Kernel-KSVD | 第24-26页 |
| ·基于 Metaface 字典更新的 KKSVD：Meta-KKSVD | 第26-28页 |
| ·实验结果分析 | 第28-32页 |
| ·核函数及其参数影响 | 第28-30页 |
| ·字典原子数目影响 | 第30-31页 |
| ·几种算法识别性能比较 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于核的松弛协作表示 | 第33-45页 |
| ·引言 | 第33页 |
| ·松弛协作表示 RCR | 第33-36页 |
| ·松弛协作表示模型 | 第34-35页 |
| ·优化算法 | 第35-36页 |
| ·基于核方法的松弛协作表示 Kernel-RCR | 第36-40页 |
| ·Kernel-RCR 的优化算法 | 第38页 |
| ·分类准则 | 第38-40页 |
| ·实验结果分析 | 第40-44页 |
| ·不同核函数参数选择 | 第40-42页 |
| ·图像分块对分类结果的影响 | 第42-43页 |
| ·不同分类算法对 Mnist 和 USPS 数据库分类性能比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 结合低秩分解的核字典学习方法 | 第45-52页 |
| ·引言 | 第45页 |
| ·低秩理论及其分解算法 | 第45-46页 |
| ·低秩与核字典结合的算法 | 第46-48页 |
| ·实验结果分析 | 第48-51页 |
| ·核函数和字典原子数目对实验结果的影响 | 第49-50页 |
| ·几种算法识别性能比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |
