基于特征空间投影的流形学习方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 引言 | 第8页 |
| 1.2 研究的背景和意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文创新点 | 第12页 |
| 1.5 本文内容安排 | 第12-14页 |
| 第2章 流形学习方法 | 第14-22页 |
| 2.1 数据降维应用的基本框架 | 第14-15页 |
| 2.2 常见特征提取方法的分类 | 第15页 |
| 2.3 流形学习中存在的问题 | 第15-17页 |
| 2.3.1 小样本问题 | 第15-16页 |
| 2.3.2 流形学习方法的鲁棒性 | 第16页 |
| 2.3.3 样本外点学习 | 第16-17页 |
| 2.4 相关算法介绍 | 第17-21页 |
| 2.4.1 局部线性嵌入 | 第17-18页 |
| 2.4.2 无监督判别投影 | 第18-19页 |
| 2.4.3 最近特征空间嵌入 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于特征空间投影的局部线性嵌入算法 | 第22-31页 |
| 3.1 投影点的计算 | 第22-24页 |
| 3.1.1 K=2,投影点的计算 | 第22页 |
| 3.1.2 K=3,投影点的计算 | 第22-23页 |
| 3.1.3 K>3,投影点的计算 | 第23-24页 |
| 3.2 基于特征空间投影的局部线性嵌入算法 | 第24-25页 |
| 3.3 实验与分析 | 第25-30页 |
| 3.3.1 实验数据集 | 第25-27页 |
| 3.3.2 实验结果 | 第27-29页 |
| 3.3.3 结果分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 特征空间距离度量学习 | 第31-47页 |
| 4.1 引言 | 第31页 |
| 4.2 特征空间距离度量学习 | 第31-35页 |
| 4.2.1 特征空间距离度量 | 第31-32页 |
| 4.2.2 类内局部散度 | 第32-33页 |
| 4.2.3 类间离散度 | 第33页 |
| 4.2.4 基于特征空间距离度量的判别图嵌入 | 第33-35页 |
| 4.3 实验与分析 | 第35-45页 |
| 4.3.1 Yale数据集的实验 | 第36-38页 |
| 4.3.2 ORL数据集的实验 | 第38-40页 |
| 4.3.3 AR数据集的实验 | 第40-41页 |
| 4.3.4 CMUPIE数据集的实验 | 第41-43页 |
| 4.3.5 FERET数据集的实验 | 第43-44页 |
| 4.3.6 含噪声数据集实验结果 | 第44页 |
| 4.3.7 类别鲁棒性实验结果 | 第44页 |
| 4.3.8 结果分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 5.1 本文主要工作 | 第47-48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录1 攻读硕士学位期间发表的论文 | 第54-56页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第56-57页 |
| 详细摘要 | 第57-61页 |
