稀疏贝叶斯学习理论及应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-11页 |
| ·研究的目的与意义 | 第11-12页 |
| ·研究内容与创新点 | 第12页 |
| ·论文的构架安排 | 第12-14页 |
| 第二章 稀疏贝叶斯学习 | 第14-24页 |
| ·引言 | 第14页 |
| ·贝叶斯理论 | 第14-17页 |
| ·最大似然估计 | 第15-16页 |
| ·贝叶斯估计 | 第16页 |
| ·贝叶斯学习 | 第16-17页 |
| ·稀疏贝叶斯学习回归与分类 | 第17页 |
| ·稀疏贝叶斯回归 | 第17页 |
| ·稀疏贝叶斯分类 | 第17页 |
| ·l_0范数稀疏贝叶斯学习 | 第17-19页 |
| ·l_1范数稀疏贝叶斯学习 | 第19-20页 |
| ·l_2范数稀疏贝叶斯学习 | 第20-22页 |
| ·稀疏贝叶斯学习的应用 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 快速贝叶斯匹配追踪 | 第24-32页 |
| ·引言 | 第24页 |
| ·快速贝叶斯匹配追踪 | 第24-28页 |
| ·信号模型 | 第24-25页 |
| ·定义基选择测度 | 第25页 |
| ·贝叶斯匹配追踪 | 第25-26页 |
| ·快速贝叶斯匹配追踪 | 第26-27页 |
| ·参数估计 | 第27-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·人工合成信号实验 | 第28-30页 |
| ·应用于稀疏机学习 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 独立l_1正则的稀疏贝叶斯学习 | 第32-42页 |
| ·引言 | 第32页 |
| ·一般最小二乘独立正则稀疏贝叶斯学习 | 第32-36页 |
| ·非负最小二乘独立正则稀疏贝叶斯学习 | 第36-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 非参数贝叶斯混合因子分析 | 第42-54页 |
| ·引言 | 第42页 |
| ·混合因子分析 | 第42-43页 |
| ·非参数混合因子分析 | 第43-46页 |
| ·基于非参数混合因子分析的压缩感知重建 | 第46-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·本章小结 | 第50-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者研究生期间学术成果 | 第62页 |
