首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于块结构化字典学习的稀疏表示识别

摘要第4-6页
Abstract第6-7页
1 绪论第10-16页
    1.1 引言第10-11页
    1.2 字典学习的研究意义第11-12页
    1.3 本文的主要工作第12-13页
    1.4 本文的组织结构第13-16页
2 字典学习综述第16-34页
    2.1 引言第16页
    2.2 基于稀疏表示的分类方法第16-20页
        2.2.1 稀疏表示模型的建立第16-17页
        2.2.2 稀疏表示系数的求解第17-19页
        2.2.3 稀疏表示的鲁棒性第19页
        2.2.4 稀疏表示的分类准则第19-20页
    2.3 非监督字典学习方法第20-22页
        2.3.1 K-SVD算法第20-22页
    2.4 判别性字典学习方法第22-26页
        2.4.1 Discriminative K-SVD算法第22-24页
        2.4.2 Label Consistent K-SVD算法第24-26页
    2.5 结构化字典学习方法第26-32页
        2.5.1 Fisher Discriminative Dictionary Learning算法第26-29页
        2.5.2 Joint Dictionary Learning算法第29-32页
    2.6 本章小结第32-34页
3 块结构化字典学习和Block-KSVD第34-48页
    3.1 引言第34-35页
    3.2 结构化稀疏表示第35-36页
    3.3 Block-KSVD算法第36-41页
        3.3.1 块结构化字典学习和Block-KSVD第36-39页
        3.3.2 并行的块正交匹配追踪第39-40页
        3.3.3 Discriminative Block-KSVD算法第40-41页
        3.3.4 初始化和分类第41页
    3.4 实验结果与分析第41-46页
        3.4.1 Extended YaleB人脸库上的实验结果第42-44页
        3.4.2 AR人脸库上的实验结果第44-45页
        3.4.3 Mnist手写数字库上的实验结果第45-46页
    3.5 本章小结第46-48页
4 块结构化字典学习和Supervised Block-KSVD第48-58页
    4.1 引言第48页
    4.2 Supervised Block-KSVD算法第48-52页
        4.2.1 块结构化字典学习和Supervised Block-KSVD第49-51页
        4.2.2 监督的并行块正交匹配追踪第51-52页
        4.2.3 初始化和分类第52页
    4.3 实验结果和分析第52-56页
        4.3.1 Extended YaleB人脸库上的实验结果第53-54页
        4.3.2 AR人脸库上的实验结果第54-55页
        4.3.3 Mnist手写数字库上的实验结果第55-56页
    4.4 本章小结第56-58页
5 总结与展望第58-60页
    5.1 本文工作总结第58-59页
    5.2 工作展望第59-60页
参考文献第60-66页
攻读学位期间主要研究成果第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:基于机器视觉及DSP的目标检测与路径识别方法研究--平台搭建与有关基本方法研究
下一篇:基于SIFT的压缩跟踪算法研究