| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容和创新点 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 稀疏表示基本理论 | 第16-21页 |
| 2.1 稀疏表示理论 | 第16-18页 |
| 2.1.1 基于基分解的线性时频表示 | 第16-17页 |
| 2.1.2 稀疏表示 | 第17-18页 |
| 2.2 稀疏表示求解方法 | 第18-20页 |
| 2.2.1 稀疏编码 | 第19-20页 |
| 2.2.2 字典学习 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于核空间Fisher判别字典的图像分类 | 第21-32页 |
| 3.1 问题的提出 | 第21-22页 |
| 3.2 相关工作 | 第22-25页 |
| 3.3 基于Fisher判据的核字典学习方法数学模型建立 | 第25页 |
| 3.4 核字典优化方法 | 第25-27页 |
| 3.4.1 核字典稀疏编码 | 第26页 |
| 3.4.2 核字典学习 | 第26-27页 |
| 3.4.3 基于Fisher判据的Kernel判别字典学习算法 | 第27页 |
| 3.5 参数设置 | 第27-29页 |
| 3.6 实验仿真 | 第29-31页 |
| 3.6.1 应用于AR人脸库分类测试分析 | 第29-30页 |
| 3.6.2 应用于YaleB人脸库分类测试分析 | 第30页 |
| 3.6.3 应用于USPS手写数字库分类测试分析 | 第30-31页 |
| 3.7 小章总结 | 第31-32页 |
| 第4章 基于图像分类的投影判别字典学习方法 | 第32-43页 |
| 4.1 问题的提出 | 第32-33页 |
| 4.2 相关工作 | 第33-34页 |
| 4.2.1 基变换 | 第33-34页 |
| 4.2.2 分类器 | 第34页 |
| 4.2.3 DKSVD判别字典 | 第34页 |
| 4.3 数学模型建立 | 第34-35页 |
| 4.4 稀疏判别投影算子优化算法 | 第35-37页 |
| 4.4.1 投影算子稀疏编码 | 第35-36页 |
| 4.4.2 投影算子更新 | 第36页 |
| 4.4.3 分类器更新 | 第36-37页 |
| 4.5 实验分析 | 第37-42页 |
| 4.5.1 人脸库分类测试分析 | 第37-40页 |
| 4.5.2 应用于Caltech101数据上测试分析 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 具有噪声抑制的投影判别字典学习方法 | 第43-51页 |
| 5.1 问题的提出 | 第43-45页 |
| 5.2 数学模型建立及求解 | 第45-46页 |
| 5.3 实验分析 | 第46-50页 |
| 5.3.1 人脸库分类测试分析 | 第46-48页 |
| 5.3.2 应用于MPU6050陀螺仪测试人体运动状态测试分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58页 |
