基于先验信息的典型相关分析理论与应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 主成分分析概述 | 第9-10页 |
| 1.2.2 线性判别分析概述 | 第10-11页 |
| 1.2.3 相关投影分析研究现状 | 第11-14页 |
| 1.2.3.1 典型相关分析 | 第11-13页 |
| 1.2.3.2 多重集典型相关分析 | 第13-14页 |
| 1.2.4 图像识别及研究现状 | 第14页 |
| 1.3 本文的主要研究工作和内容安排 | 第14-16页 |
| 第二章 一种新颖的监督CCA特征提取算法 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 典型相关分析 | 第16-17页 |
| 2.3 监督典型相关分析算法 | 第17-20页 |
| 2.3.1 算法思想来源 | 第17页 |
| 2.3.2 算法模型 | 第17-18页 |
| 2.3.3 模型求解 | 第18-19页 |
| 2.3.4 算法步骤及时间复杂度分析 | 第19-20页 |
| 2.4 与已有算法的比较和分析 | 第20页 |
| 2.4.1 与CCA的区别 | 第20页 |
| 2.4.2 与GCCA，DCCA的区别 | 第20页 |
| 2.4.3 与LPCCA的区别 | 第20页 |
| 2.4.4 与LDCCA的区别 | 第20页 |
| 2.5 实验结果与分析 | 第20-23页 |
| 2.5.1 AT&T人脸数据库 | 第21页 |
| 2.5.2 Yale-B人脸数据库 | 第21-22页 |
| 2.5.3 COIL-20对象数据库 | 第22-23页 |
| 2.6 小结 | 第23-24页 |
| 第三章 利用相对强度的监督典型相关分析算法 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 相关工作 | 第25-27页 |
| 3.2.1 DCCA | 第25页 |
| 3.2.2 DCC | 第25-26页 |
| 3.2.3 相对属性 | 第26-27页 |
| 3.3 利用相对强度的监督CCA框架 | 第27页 |
| 3.4 利用欧氏距离的强度监督CCA算法 | 第27-30页 |
| 3.4.1 模型构建 | 第27-28页 |
| 3.4.2 模型放松 | 第28-29页 |
| 3.4.3 模型求解 | 第29-30页 |
| 3.4.4 算法步骤及时间复杂度分析 | 第30页 |
| 3.5 实验结果与分析 | 第30-33页 |
| 3.5.1 多特征手写体数据库 | 第30-31页 |
| 3.5.2 AT&T人脸数据库 | 第31-32页 |
| 3.5.3 COIL-20对象数据库 | 第32页 |
| 3.5.4 参数选择与分析 | 第32-33页 |
| 3.6 小结 | 第33-34页 |
| 第四章 基于谱分解的多视图学习框架与分析 | 第34-55页 |
| 4.1 引言 | 第34-35页 |
| 4.2 多视图学习框架 | 第35-36页 |
| 4.3 子空间学习算法与SMvLF的关系 | 第36-39页 |
| 4.3.1 主成分分析 | 第36页 |
| 4.3.2 线性鉴别分析 | 第36页 |
| 4.3.3 典型相关分析 | 第36-37页 |
| 4.3.4 偏最小二乘分析 | 第37页 |
| 4.3.5 多重集典型相关分析 | 第37页 |
| 4.3.6 多视图鉴别分析 | 第37-38页 |
| 4.3.7 子空间学习算法与SMvLF的关系 | 第38-39页 |
| 4.4 基于SMvLF的扩展多视图学习算法 | 第39-43页 |
| 4.4.1 构建协方差矩阵 | 第39-41页 |
| 4.4.2 15种扩展的多视图学习算法 | 第41-42页 |
| 4.4.3 算法举例及各算法物理意义 | 第42-43页 |
| 4.4.3.1 WBWW算法 | 第42-43页 |
| 4.4.3.2 BWWW算法 | 第43页 |
| 4.4.3.3 各算法对应谱分解及其物理意义 | 第43页 |
| 4.5 实验结果与分析 | 第43-54页 |
| 4.5.1 多特征手写体数据集 | 第44-46页 |
| 4.5.2 USPS手写体数据集 | 第46-48页 |
| 4.5.3 COIL20对象数据集 | 第48-50页 |
| 4.5.4 COIL100对象数据集 | 第50-52页 |
| 4.5.5 AT&T人脸数据集 | 第52-53页 |
| 4.5.6 Yale-B人脸数据集 | 第53页 |
| 4.5.7 实验结果与分析 | 第53-54页 |
| 4.6 小结 | 第54-55页 |
| 第五章 主要结论与展望 | 第55-57页 |
| 5.1 主要结论 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第63页 |
| 附录: 作者在攻读硕士学位期间参与的项目 | 第63页 |
