| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文研究内容和组织结构 | 第13-15页 |
| 第二章 非监督型维度下降算法 | 第15-29页 |
| 2.1 一维非监督型维度下降算法 | 第15-22页 |
| 2.1.1 主成分分析法 | 第15-17页 |
| 2.1.2 最优均值鲁棒性主成分分析法 | 第17-19页 |
| 2.1.3 非贪婪的L_1范数最大化的鲁棒性主成分分析法 | 第19-20页 |
| 2.1.4 局部保护投影算法 | 第20-21页 |
| 2.1.5 正交拉普拉斯人脸识别算法 | 第21-22页 |
| 2.1.6 基于L_2范数的p次方的局部保护投影算法 | 第22页 |
| 2.2 二维非监督型维度下降算法 | 第22-26页 |
| 2.2.1 二维主成分分析法 | 第22-23页 |
| 2.2.2 消除照明影响的二维主成分分析法 | 第23-24页 |
| 2.2.3 基于行方向和列方向的二维主成分分析法 | 第24-25页 |
| 2.2.4 二维局部保护投影算法 | 第25-26页 |
| 2.3 本章小结 | 第26-29页 |
| 第三章 谱聚类算法以及相应的降维算法 | 第29-39页 |
| 3.1 谱聚类以及相关的改进算法 | 第29-33页 |
| 3.1.1 谱聚类算法 | 第29-30页 |
| 3.1.2 基于判别性信息学习的非负谱聚类算法 | 第30-32页 |
| 3.1.3 基于数据在低维子空间中流形结构学习的谱聚类算法 | 第32-33页 |
| 3.2 基于谱聚类的非监督型降维算法 | 第33-37页 |
| 3.2.1 基于非负谱分析的非监督型特征选择算法 | 第34-35页 |
| 3.2.2 判别性非监督维度下降算法 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 基于邻接图学习的二维非监督型降维算法 | 第39-51页 |
| 4.1 基于自适应结构学习的二维非监督型降维算法 | 第39-46页 |
| 4.1.1 构建模型 | 第40-42页 |
| 4.1.2 求解模型 | 第42-44页 |
| 4.1.3 算法1收敛性分析 | 第44-46页 |
| 4.2 基于邻接图嵌入的判别性二维非监督型降维算法 | 第46-50页 |
| 4.2.1 构建模型 | 第46-48页 |
| 4.2.2 求解模型 | 第48-49页 |
| 4.2.3 算法2收敛性分析 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 实验结果与分析 | 第51-61页 |
| 5.1 数据集的选择 | 第51页 |
| 5.2 评估矩阵 | 第51-52页 |
| 5.3 实验参数设置 | 第52-53页 |
| 5.4 实验结果分析 | 第53-59页 |
| 5.4.1 DRASL算法的实验结果及分析 | 第53-57页 |
| 5.4.2 DUGE算法的实验结果及分析 | 第57-59页 |
| 5.5 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间取得的科研成果 | 第71-72页 |
