求解鲁棒主成分分析的非单调步长交替最小化算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 鲁棒主成分分析的提出 | 第12-14页 |
| 1.2 鲁棒主成分分析算法综述 | 第14-20页 |
| 1.2.1 迭代阈值算法 | 第15-16页 |
| 1.2.2 嵌入线性搜索技术的加速近端梯度算法 | 第16-18页 |
| 1.2.3 增强拉格朗日乘子算法 | 第18-20页 |
| 1.3 鲁棒主成分分析应用综述 | 第20-22页 |
| 1.3.1 监控视频背景建模 | 第20页 |
| 1.3.2 人脸识别 | 第20-21页 |
| 1.3.3 鲁棒图像对齐 | 第21-22页 |
| 1.3.4 4维CT | 第22页 |
| 1.4 本文的组织结构 | 第22-24页 |
| 第二章 非单调步长交替最小化算法分析 | 第24-34页 |
| 2.1 方向矩阵的推导 | 第24-30页 |
| 2.1.1 A_k的方向矩阵M_k的推导过程 | 第24-27页 |
| 2.1.2 E_k的方向矩阵N_k的推导过程 | 第27-30页 |
| 2.2 步长的确定 | 第30-31页 |
| 2.2.1 A_k的步长α_k的确定 | 第30-31页 |
| 2.2.2 E_k的步长β_k的确定 | 第31页 |
| 2.3 非单调步长交替最小化算法算法结构 | 第31-34页 |
| 第三章 收敛性分析 | 第34-40页 |
| 3.1 预备引理 | 第34-36页 |
| 3.2 全局收敛性定理 | 第36-40页 |
| 第四章 仿真实验 | 第40-44页 |
| 4.1 无高斯噪声算法对比 | 第40-41页 |
| 4.2 有高斯噪声算法对比 | 第41-44页 |
| 4.2.1 高斯小噪声水平σ=10~(-3) | 第42-43页 |
| 4.2.2 高斯小噪声水平σ=10~(-2) | 第43-44页 |
| 第五章 结论 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 创新点 | 第44页 |
| 5.3 展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48-54页 |
| 致谢 | 第54-56页 |
| 研究成果及学术论文 | 第56-58页 |
| 作者和导师简介 | 第58-59页 |
| 硕士研究生学位论文答辩委员会决议书 | 第59-60页 |
