子空间学习技术及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究内容 | 第9-11页 |
| 1.3 本文主要贡献和组织结构 | 第11-12页 |
| 第2章 子空间学习和聚类方法 | 第12-20页 |
| 2.1 引言 | 第12页 |
| 2.2 子空间学习 | 第12-13页 |
| 2.3 子空间聚类算法 | 第13-17页 |
| 2.3.1 子空间聚类理论描述 | 第13-15页 |
| 2.3.2 稀疏子空间聚类 | 第15页 |
| 2.3.3 低秩子空间聚类 | 第15-17页 |
| 2.4 子空间聚类的数学理论 | 第17-18页 |
| 2.5 聚类函数 | 第18-20页 |
| 第3章 基于多项式平滑的子空间学习方法 | 第20-30页 |
| 3.1 引言 | 第20页 |
| 3.2 子空间模型 | 第20-21页 |
| 3.3 多项式函数法 | 第21-24页 |
| 3.4 算法与分析 | 第24-25页 |
| 3.4.1 算法介绍 | 第24-25页 |
| 3.4.2 算法分析 | 第25页 |
| 3.5 实验结果与分析 | 第25-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 基于Krylov子空间学习方法 | 第30-37页 |
| 4.1 引言 | 第30页 |
| 4.2 Krylov子空间学习模型 | 第30-31页 |
| 4.3 算法设计 | 第31-32页 |
| 4.3.1 算法介绍 | 第31-32页 |
| 4.3.2 算法分析 | 第32页 |
| 4.4 实验结果与分析 | 第32-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第5章 基于不变子空间的视频分类方法 | 第37-46页 |
| 5.1 引言 | 第37页 |
| 5.2 图像的表示 | 第37-39页 |
| 5.2.1 RGB颜色空间 | 第37-38页 |
| 5.2.2 HSV空间 | 第38-39页 |
| 5.3 视频的理解 | 第39-40页 |
| 5.4 监督帧的目标特征分析方法 | 第40-41页 |
| 5.5 基于不变子空间视频关键帧提取 | 第41-42页 |
| 5.5.1 算法分析 | 第42页 |
| 5.6 实验结果与分析 | 第42-45页 |
| 5.7 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-47页 |
| 6.1 全文工作总结 | 第46页 |
| 6.2 未来工作展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间发表论文 | 第52页 |
