| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.2 研究内容与贡献 | 第16-19页 |
| 1.3 论文结构安排 | 第19-20页 |
| 第二章 相关研究概述 | 第20-34页 |
| 2.1 子空间学习 | 第20-24页 |
| 2.1.1 主成分分析 | 第20-21页 |
| 2.1.2 线性判别分析 | 第21-22页 |
| 2.1.3 流形学习 | 第22-24页 |
| 2.2 多视图学习 | 第24-28页 |
| 2.2.1 协同训练 | 第24-25页 |
| 2.2.2 多核学习 | 第25-26页 |
| 2.2.3 多视图子空间学习 | 第26-28页 |
| 2.3 矩阵分解 | 第28-30页 |
| 2.3.1 非负矩阵分解 | 第28-29页 |
| 2.3.2 半非负矩阵分解 | 第29-30页 |
| 2.4 联合聚类 | 第30-32页 |
| 2.5 小结 | 第32-34页 |
| 第三章 基于l_(2,1)范数和海森正则的判别性非负矩阵分解 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-37页 |
| 3.2.1 符号说明 | 第35-36页 |
| 3.2.2 非负矩阵分解 | 第36-37页 |
| 3.2.3 图正则非负矩阵分解 | 第37页 |
| 3.3 l_(21)范数和海森正则的判别性非负矩阵分解 | 第37-39页 |
| 3.3.1 海森正则 | 第38页 |
| 3.3.2 稀疏约束 | 第38页 |
| 3.3.3 判别约束 | 第38-39页 |
| 3.3.4 目标方程 | 第39页 |
| 3.4 优化求解 | 第39-40页 |
| 3.4.1 更新U | 第40页 |
| 3.4.2 更新V | 第40页 |
| 3.5 实验 | 第40-46页 |
| 3.5.1 比较算法 | 第41页 |
| 3.5.2 聚类结果 | 第41-42页 |
| 3.5.3 参数选择 | 第42-44页 |
| 3.5.4 收敛性分析 | 第44-46页 |
| 3.6 小结 | 第46-48页 |
| 第四章 基于组稀疏和图正则的判别性半非负矩阵分解 | 第48-62页 |
| 4.1 引言 | 第48-50页 |
| 4.2 相关工作 | 第50-51页 |
| 4.2.1 符号说明 | 第50页 |
| 4.2.2 非负矩阵分解 | 第50页 |
| 4.2.3 半非负矩阵分解 | 第50-51页 |
| 4.3 组稀疏和图正则的判别性半非负矩阵分解 | 第51-53页 |
| 4.3.1 图正则Semi-NMF | 第51-52页 |
| 4.3.2 判别约束 | 第52-53页 |
| 4.3.3 组稀疏约束 | 第53页 |
| 4.3.4 目标方程 | 第53页 |
| 4.4 优化求解 | 第53-55页 |
| 4.4.1 优化U | 第54页 |
| 4.4.2 优化V | 第54-55页 |
| 4.5 实验 | 第55-60页 |
| 4.5.1 数据集 | 第55页 |
| 4.5.2 比较算法 | 第55页 |
| 4.5.3 参数设置 | 第55-56页 |
| 4.5.4 性能比较 | 第56-57页 |
| 4.5.5 参数分析 | 第57-59页 |
| 4.5.6 收敛性分析 | 第59-60页 |
| 4.7 小结 | 第60-62页 |
| 第五章 图正则化的多视图语义子空间学习 | 第62-90页 |
| 5.1 引言 | 第62-64页 |
| 5.2 相关工作 | 第64-66页 |
| 5.2.1 多视图子空间学习中的标签利用 | 第64-65页 |
| 5.2.2 NMF和多视图学习的扩充算法 | 第65-66页 |
| 5.2.3 图嵌套 | 第66页 |
| 5.3 多视图语义学习 | 第66-69页 |
| 5.3.1 多视图非负矩阵分解 | 第67-68页 |
| 5.3.2 图嵌套 | 第68-69页 |
| 5.3.3 稀疏约束 | 第69页 |
| 5.3.4 目标方程 | 第69页 |
| 5.4 图嵌套多视图语义学习 | 第69-73页 |
| 5.4.1 简单图嵌套 | 第69-70页 |
| 5.4.2 局部判别图嵌套 | 第70-71页 |
| 5.4.3 直导式图嵌套 | 第71-72页 |
| 5.4.4 多核学习 | 第72-73页 |
| 5.5 优化求解 | 第73-81页 |
| 5.5.1 优化基矩阵 | 第74-77页 |
| 5.5.2 优化编码矩阵 | 第77-79页 |
| 5.5.3 优化MvSL-S和MvSL-L | 第79-80页 |
| 5.5.4 计算复杂度分析 | 第80-81页 |
| 5.6 实验 | 第81-88页 |
| 5.6.1 数据集 | 第81-82页 |
| 5.6.2 基准算法 | 第82-83页 |
| 5.6.3 实验结果 | 第83-86页 |
| 5.6.4 参数敏感性分析 | 第86-88页 |
| 5.7 小结 | 第88-90页 |
| 第六章 基于对偶正则化的多视图非负矩阵分解 | 第90-112页 |
| 6.1 引言 | 第90-92页 |
| 6.2 相关工作 | 第92-96页 |
| 6.2.1 符号说明 | 第92页 |
| 6.2.2 非负矩阵分解 | 第92-93页 |
| 6.2.3 图正则化非负矩阵分解 | 第93-94页 |
| 6.2.4 对偶正则联合聚类 | 第94页 |
| 6.2.5 对偶图正则非负矩阵分解 | 第94-95页 |
| 6.2.6 多视图非负矩阵分解 | 第95-96页 |
| 6.3 对偶正则化的多视图非负矩阵分解 | 第96-104页 |
| 6.3.1 基本框架 | 第96页 |
| 6.3.2 构造数据图和特征图 | 第96-98页 |
| 6.3.3 目标方程 | 第98-99页 |
| 6.3.4 优化求解 | 第99-101页 |
| 6.3.5 收敛性分析 | 第101-104页 |
| 6.3.6 计算复杂度分析 | 第104页 |
| 6.4 实验 | 第104-110页 |
| 6.4.1 数据集 | 第104-105页 |
| 6.4.2 比较算法 | 第105-106页 |
| 6.4.3 性能比较 | 第106-107页 |
| 6.4.4 参数分析 | 第107-110页 |
| 6.5 小结 | 第110-112页 |
| 第七章 总结与展望 | 第112-114页 |
| 参考文献 | 第114-128页 |
| 攻读博士学位期间取得的科研成果 | 第128-129页 |
| 致谢 | 第129页 |