首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于低秩表示与稀疏样本选择模型的图像集表示与分类

摘要第3-5页
Abstract第5-6页
第一章 绪论第12-19页
    1.1 研究背景及意义第12-14页
    1.2 国内外研究现状第14-16页
    1.3 本文主要内容与章节安排第16-19页
第二章 图像集的低秩表示与分类第19-35页
    2.1 引言第19页
    2.2 基于鲁棒主成分分析方法的图像集表示第19-22页
        2.2.1 图像集低秩表示方法第19-21页
        2.2.2 协变量相关图构建第21-22页
    2.3 基于最优均值鲁棒主成分分析方法的图像集表示第22-25页
    2.4 基于线性判别分析方法的图像集分类第25-27页
        2.4.1 相似性度量方法第25-26页
        2.4.2 图像集的分类第26-27页
    2.5 实验结果与分析第27-34页
        2.5.1 数据集与参数设置第27-29页
        2.5.2 实验分析第29-34页
    2.6 本章小结第34-35页
第三章 图像集的流形正则化低秩表示与分类第35-46页
    3.1 引言第35页
    3.2 流形正则化低秩模型第35-40页
        3.2.1 模型表示第36-38页
        3.2.2 求解算法第38-40页
    3.3 图像集表示与分类第40-41页
    3.4 实验结果与分析第41-45页
    3.5 本章小结第45-46页
第四章 流形正则化稀疏样本选择模型的图像集表示与分类第46-61页
    4.1 引言第46页
    4.2 流形正则化稀疏样本选择模型第46-53页
        4.2.1 稀疏样本选择模型第47-48页
        4.2.2 流形正则化稀疏样本选择第48-50页
        4.2.3 求解算法第50-53页
    4.3 图像集的表示与分类第53-54页
    4.4 实验结果与分析第54-60页
    4.5 本章小结第60-61页
第五章 总结与展望第61-64页
    5.1 论文总结第61-62页
    5.2 工作展望第62-64页
参考文献第64-70页
致谢第70-72页
攻读硕士期间发表的学术论文第72-73页
攻读硕土期间参加的科研项目第73页

论文共73页,点击 下载论文
上一篇:基于深度学习的多场景短文本分类的研究与应用
下一篇:基于振幅流的相位恢复研究