| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 图目录 | 第7-8页 |
| 表目录 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9-10页 |
| ·研究目的 | 第10-11页 |
| ·本文主要工作 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 国内外研究现状 | 第14-26页 |
| ·稀疏编码介绍 | 第14-17页 |
| ·稀疏编码的发展 | 第14页 |
| ·稀疏编码的思想 | 第14-15页 |
| ·l_1范数正则化(l_1-Regularization) | 第15-17页 |
| ·子空间学习介绍 | 第17-23页 |
| ·子空间简介 | 第17-18页 |
| ·主成分分析(principal component analysis,PCA) | 第18-20页 |
| ·非负矩阵分解(Non-negative Matrix Factorization,NMF) | 第20-23页 |
| ·迁移学习的研究现状 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于稀疏非负矩阵分解的多源利用 | 第26-36页 |
| ·定义与假设 | 第26-27页 |
| ·问题建模 | 第27-30页 |
| ·目标函数的求解 | 第30-31页 |
| ·参数说明 | 第31-33页 |
| ·交替的非负约束的最小二乘法 | 第33-34页 |
| ·基于稀疏非负矩阵分解的多源利用算法(MtBSNMF) | 第34-35页 |
| ·复杂度分析 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 MtBSNMF算法在图像检索的应用 | 第36-46页 |
| ·实验数据集 | 第36-37页 |
| ·算法应用的流程图 | 第37-38页 |
| ·基于MtBSNMF的图像检索算法 | 第38-39页 |
| ·对比算法与评价标准 | 第39-40页 |
| ·稀疏性参数设置对比实验 | 第40-41页 |
| ·辅助数据集大小对算法的影响 | 第41-42页 |
| ·利用MtBSNMF算法进行基于标签的图像检索 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 MtBSNMF算法在样例查询和标签预测的应用 | 第46-52页 |
| ·实验数据集 | 第46-48页 |
| ·样例查询 | 第48-50页 |
| ·基于MtBSNMF的样例查询算法 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·标签预测 | 第50-51页 |
| ·基于MtBSNMF的标签预测算法 | 第50页 |
| ·实验结果及分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·工作总结 | 第52-53页 |
| ·下一步工作和展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间主要的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |
