基于取样的张量公因子分析算法及其应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 相关理论基础 | 第14-23页 |
| 2.1 张量概念及其运算 | 第14-18页 |
| 2.2 多线性子空间学习 | 第18-21页 |
| 2.3 矩阵CUR分解算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 TCCA张量公因子分析算法 | 第23-30页 |
| 3.1 TCCA算法理论基础 | 第23-25页 |
| 3.2 TCCA和MPCA比较 | 第25-28页 |
| 3.3 TCCA时间复杂度分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于取样的TCCA算法 | 第30-43页 |
| 4.1 基于矩阵列取样的TCCA算法 | 第30-34页 |
| 4.2 基于子张量取样的TCCA算法 | 第34-42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 基于取样TCCA的高阶对象分类 | 第43-47页 |
| 5.1 张量距离定义 | 第43-44页 |
| 5.2 高阶对象分类过程 | 第44-45页 |
| 5.3 本章小结 | 第45-47页 |
| 6 实验分析与结论 | 第47-57页 |
| 6.1 数据集 | 第47-49页 |
| 6.2 实验结果与分析 | 第49-56页 |
| 6.3 本章小结 | 第56-57页 |
| 7 总结与展望 | 第57-59页 |
| 7.1 工作总结 | 第57-58页 |
| 7.2 未来工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 攻读学位期间发表论文目录 | 第65页 |
