| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 矩阵低秩稀疏分解 | 第13-14页 |
| 1.2.2 矩阵填充 | 第14-15页 |
| 1.2.3 弹性网正则化方法 | 第15页 |
| 1.2.4 随机权网络 | 第15-17页 |
| 1.3 本学位论文主要工作和结构 | 第17-18页 |
| 2 基于截断核范数的低秩稀疏分解算法及其应用 | 第18-44页 |
| 2.1 引言 | 第18页 |
| 2.2 预备知识 | 第18页 |
| 2.3 基于截断核范数的低秩稀疏分解算法及算法收敛性 | 第18-26页 |
| 2.3.1 基于截断核范数的低秩稀疏分解算法 | 第18-22页 |
| 2.3.2 基于截断核范数的低秩稀疏分解算法收敛性分析 | 第22-26页 |
| 2.4 稳定的基于截断核范数的低秩稀疏分解算法 | 第26-28页 |
| 2.5 实验结果与分析 | 第28-43页 |
| 2.5.1 基于人工数据集的算法性能分析 | 第28-34页 |
| 2.5.2 低秩稀疏分解在前景检测和背景建模中的应用 | 第34-38页 |
| 2.5.3 低秩稀疏分解在人脸去阴影、去反光中的应用 | 第38-39页 |
| 2.5.4 歌声伴奏分离 | 第39-43页 |
| 2.6 本章小结 | 第43-44页 |
| 3 基于截断核范数的矩阵弹性网正则化算法研究 | 第44-58页 |
| 3.1 引言 | 第44-45页 |
| 3.2 准备知识 | 第45-46页 |
| 3.3 基于截断核范数的矩阵弹性网正则化算法 | 第46-53页 |
| 3.3.1 MEN-TNN的求解方法 | 第47-49页 |
| 3.3.2 不动点迭代算法的收敛性分析 | 第49-51页 |
| 3.3.3 基于MEN-TNN的矩阵填充 | 第51-53页 |
| 3.4 实验结果与分析 | 第53-56页 |
| 3.4.1 在人工数据集上的实验结果 | 第54-55页 |
| 3.4.2 基于实际图像填充的应用 | 第55-56页 |
| 3.5 本章小结 | 第56-58页 |
| 4 一种二维鲁棒随机权网络研究及在人脸识别中的应用 | 第58-67页 |
| 4.1 引言 | 第58页 |
| 4.2 二维随机权网络 | 第58-59页 |
| 4.3 一种二维鲁棒随机权网络研究 | 第59-62页 |
| 4.4 一种二维鲁棒随机权网络在人脸识别中的应用 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| 5.1 研究总结 | 第67页 |
| 5.2 进一步需要开展的工作 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 作者简历 | 第76页 |
