| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 稀疏表示的背景和意义 | 第9-11页 |
| 1.1.1 稀疏表示的背景 | 第9-10页 |
| 1.1.2 稀疏表示的意义 | 第10-11页 |
| 1.2 稀疏表示的基本原理和数学模型 | 第11-13页 |
| 1.2.1 稀疏表示的基本原理 | 第11-12页 |
| 1.2.2 稀疏表示的数学模型 | 第12-13页 |
| 1.3 稀疏分解的数学描述和算法概要 | 第13-17页 |
| 1.3.1 稀疏分解的数学描述 | 第13-15页 |
| 1.3.2 稀疏分解算法概要 | 第15-17页 |
| 1.4 论文主要工作与结构安排 | 第17-19页 |
| 第二章 稀疏表示模型的求解 | 第19-33页 |
| 2.1 不含噪的l_0范数最小化的求解算法 | 第19-29页 |
| 2.1.1 贪婪算法 | 第19-21页 |
| 2.1.2 凸松弛算法 | 第21-29页 |
| 2.2 基于平滑l_0范数的SL0求解算法 | 第29-33页 |
| 2.2.1 SL0算法的背景 | 第29-30页 |
| 2.2.2 SL0算法的原理与步骤 | 第30-33页 |
| 第三章 改进的一维SL0稀疏分解算法 | 第33-42页 |
| 3.1 基于稀疏表示SL0算法的NSL0算法 | 第33-37页 |
| 3.1.1 SL0算法的深化 | 第33页 |
| 3.1.2 NSLO算法要解决的问腰和思路 | 第33-34页 |
| 3.1.3 NSL0算法的改进过程(双曲正切函数) | 第34-36页 |
| 3.1.4 NSL0算法的改进过程(高斯函数) | 第36-37页 |
| 3.2 基于稀疏表示SL0算法的ReSL0算法 | 第37-40页 |
| 3.2.1 有噪声情况下SL0算法的深化 | 第37-38页 |
| 3.2.2 ReSL0算法要解决的问题和思路 | 第38页 |
| 3.2.3 ReSL0算法的改进过程 | 第38-40页 |
| 3.3 改进的稀疏表示算法NReSL0(ONReSL0) | 第40-42页 |
| 3.3.1 ReSL0算法和NSL0算法的深化 | 第40页 |
| 3.3.2 ONReSL0算法的改进过程与步骤 | 第40-42页 |
| 第四章 改进的二维SL0稀疏分解算法 | 第42-50页 |
| 4.1 二维SL0稀疏分解算法 | 第42-44页 |
| 4.1.1 SL0算法的二维表示 | 第42-43页 |
| 4.1.2 二维SL0算法 | 第43-44页 |
| 4.2 二维阈值SL0稀疏分解算法 | 第44-50页 |
| 4.2.1 阈值SL0算法的基本思想 | 第44-47页 |
| 4.2.2 二维阈值SL0算法 | 第47-50页 |
| 第五章 实验结果 | 第50-75页 |
| 5.1 实验所用的数据 | 第50-51页 |
| 5.2 算法对噪声的鲁棒性 | 第51页 |
| 5.3 改进算法ONReSL0的实验结果 | 第51-72页 |
| 5.3.1 在第一部分数据上的实验结果 | 第51-69页 |
| 5.3.1.1 对于SL0算法内循环迭代参数的讨论 | 第51-54页 |
| 5.3.1.2 对于ONReSL0算法内循环迭代参数的讨论 | 第54-68页 |
| 5.3.1.3 对于ONReSL0算法正则化参数的讨论 | 第68-69页 |
| 5.3.2 在第二部分数据上的实验结果 | 第69-72页 |
| 5.4 二维阈值SL0稀疏分解算法的实验结果 | 第72-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读学位期间公开发表论文 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |
