高维数据的维数约简研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 维数约简 | 第13-14页 |
| 1.1.2 图像识别 | 第14-15页 |
| 1.2 维数约简的研究进展 | 第15-18页 |
| 1.3 论文的主要工作和结构安排 | 第18-21页 |
| 第二章 动态加权非参数判别分析 | 第21-45页 |
| 2.1 引言 | 第21-22页 |
| 2.2 相关算法 | 第22-26页 |
| 2.2.1 线性判别分析(LDA) | 第22-24页 |
| 2.2.2 非参数判别分析(NDA) | 第24-26页 |
| 2.3 动态加权非参数判别分析建模 | 第26-28页 |
| 2.4 求解算法 | 第28-32页 |
| 2.4.1 是否存在满足条件的解 | 第29页 |
| 2.4.2 求解目标函数更优的解 | 第29-30页 |
| 2.4.3 求解收敛速度 | 第30-32页 |
| 2.5 实验分析 | 第32-42页 |
| 2.5.1 人脸识别 | 第32-37页 |
| 2.5.2 手写体识别 | 第37-39页 |
| 2.5.3 深度学习实验对比 | 第39-42页 |
| 2.6 结论 | 第42-45页 |
| 第三章 自适应局部敏感判别分析 | 第45-71页 |
| 3.1 引言 | 第45-47页 |
| 3.2 相关算法 | 第47-50页 |
| 3.2.1 局部敏感判别分析(LSDA) | 第47-48页 |
| 3.2.2 稳定的局部敏感判别分析(SLSDA) | 第48-50页 |
| 3.3 归一化局部敏感判别分析(NLSDA) | 第50-53页 |
| 3.3.1 归一化局部敏感判别分析建模 | 第50-51页 |
| 3.3.2 求解算法 | 第51-53页 |
| 3.4 自适应局部敏感判别分析(ALSDA) | 第53-58页 |
| 3.4.1 自适应局部敏感判别分析建模 | 第53-54页 |
| 3.4.2 求解算法 | 第54-58页 |
| 3.5 实验分析 | 第58-68页 |
| 3.5.1 三维可视化图像 | 第58-61页 |
| 3.5.2 手写体识别 | 第61-64页 |
| 3.5.3 人脸识别 | 第64-68页 |
| 3.6 结论 | 第68-71页 |
| 第四章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78页 |
