组稀疏表示算法和应用研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 压缩感知算法综述 | 第9-11页 |
| 1.3 本文的结构安排 | 第11-12页 |
| 2 基于压缩感知的优化算法研究 | 第12-26页 |
| 2.1 传统采样方式 | 第12-13页 |
| 2.2 压缩感知理论 | 第13-16页 |
| 2.3 贪婪算法 | 第16-17页 |
| 2.4 凸优化算法 | 第17-25页 |
| 2.4.1 内点法 | 第18-19页 |
| 2.4.2 同伦算法 | 第19-21页 |
| 2.4.3 组近端梯度算法 | 第21-24页 |
| 2.4.4 组交替方向乘子法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于稀疏表示人脸识别算法 | 第26-33页 |
| 3.1 人脸识别算法综述 | 第26-28页 |
| 3.2 稀疏表示人脸识别 | 第28-31页 |
| 3.3 组稀疏人脸识别分类算法 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 实验结果及分析 | 第33-45页 |
| 4.1 模拟数据恢复实验 | 第33-37页 |
| 4.2 图片重建实验 | 第37-42页 |
| 4.3 组稀疏表示人脸识别实验 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 总结和展望 | 第45-46页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50页 |
| A 作者在攻读学位期间发表的论文目录 | 第50页 |
