主成分分析法研究及其在特征提取中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题的背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文的主要工作及结构安排 | 第12-15页 |
| 第2章 主成分分析简介 | 第15-25页 |
| 2.1 引言 | 第15-16页 |
| 2.2 主成分分析的几何意义 | 第16-17页 |
| 2.3 主成分分析的基本思想 | 第17-18页 |
| 2.4 主成分分析的具体实现 | 第18-23页 |
| 2.4.1 主成分分析的数学模型 | 第18-20页 |
| 2.4.2 主成分分析的推导 | 第20-22页 |
| 2.4.3 主成分贡献率 | 第22-23页 |
| 2.4.4 主成分分析的算法步骤 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于加权主成分分析的样本特征提取 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 加权主成分分析 | 第25-28页 |
| 3.2.1 加权主成分分析的思想 | 第25-26页 |
| 3.2.2 加权主成分分析算法 | 第26-27页 |
| 3.2.3 权值的计算 | 第27-28页 |
| 3.3 数据预处理 | 第28-29页 |
| 3.3.1 归一化处理 | 第28-29页 |
| 3.3.2 均值化 | 第29页 |
| 3.4 加权主成分分析的实现 | 第29-30页 |
| 3.5 实验结果及分析 | 第30-33页 |
| 3.5.1 实验数据 | 第30页 |
| 3.5.2 实验结果 | 第30-32页 |
| 3.5.3 结果分析 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 基于二维主成分分析的图像去噪 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 二维主成分分析 | 第36-38页 |
| 4.2.1 二维主成分分析的基本思想 | 第36页 |
| 4.2.2 二维主成分分析算法 | 第36-38页 |
| 4.2.3 二维主成分分析用于特征提取 | 第38页 |
| 4.2.4 基于二维主成分分析的图像重建 | 第38页 |
| 4.3 改进的二维主成分分析 | 第38-40页 |
| 4.3.1 L-2DPCA算法 | 第39页 |
| 4.3.2 L-2DPCA用于特征提取 | 第39-40页 |
| 4.3.3 基于L-2DPCA的图像重建 | 第40页 |
| 4.4 LR-2DPCA算法 | 第40-41页 |
| 4.5 改进的算法 | 第41页 |
| 4.6 实验结果及分析 | 第41-45页 |
| 4.6.1 实验数据 | 第41-42页 |
| 4.6.2 实验结果 | 第42-44页 |
| 4.6.3 结果分析 | 第44-45页 |
| 4.7 本章小结 | 第45-47页 |
| 第5章 基于欧拉主成分分析的图像去噪 | 第47-57页 |
| 5.1 引言 | 第47-48页 |
| 5.2 欧拉主成分分析 | 第48-51页 |
| 5.2.1 欧拉主成分分析的基本思想 | 第48页 |
| 5.2.2 基于余弦函数的相异度 | 第48-49页 |
| 5.2.3 欧拉主成分分析算法实现 | 第49-50页 |
| 5.2.4 基于欧拉主成分分析的原图像重建 | 第50-51页 |
| 5.3 欧拉二维主成分分析 | 第51-53页 |
| 5.3.1 欧拉二维主成分分析的基本思想 | 第51-52页 |
| 5.3.2 欧拉二维主成分分析的算法 | 第52页 |
| 5.3.3 基于欧拉二维主成分分析的原图像重建 | 第52-53页 |
| 5.4 实验结果及分析 | 第53-55页 |
| 5.4.1 实验结果 | 第53-54页 |
| 5.4.2 结果分析 | 第54-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第6章 结束语 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间科研成果 | 第65页 |
