摘要 | 第12-16页 |
ABSTRACT | 第16-19页 |
第一章 绪论 | 第20-28页 |
1.1 研究背景及其意义 | 第20-22页 |
1.2 研究现状 | 第22-25页 |
1.2.1 非负矩阵分解现状 | 第22-24页 |
1.2.2 投影非负矩阵分解现状 | 第24页 |
1.2.3 投影非负矩阵分解面临的挑战 | 第24-25页 |
1.3 论文工作 | 第25-26页 |
1.4 论文组织结构 | 第26-28页 |
第二章 判别投影非负矩阵分解 | 第28-44页 |
2.1 引言 | 第28-29页 |
2.2 相关工作 | 第29-31页 |
2.2.1 NMF | 第30页 |
2.2.2 PNMF | 第30-31页 |
2.3 判别投影非负矩阵分解 | 第31-35页 |
2.3.1 提出模型 | 第31-32页 |
2.3.2 乘法更新规则 | 第32-35页 |
2.4 实验结果 | 第35-43页 |
2.4.1 示例研究 | 第35-36页 |
2.4.2 人脸识别 | 第36-41页 |
2.4.3 实验讨论 | 第41-43页 |
2.5 小结 | 第43-44页 |
第三章 在线判别投影非负矩阵分解 | 第44-62页 |
3.1 引言 | 第44-45页 |
3.2 相关工作 | 第45-47页 |
3.2.1 在线NMF | 第45-47页 |
3.2.2 在线PNMF | 第47页 |
3.3 在线判别投影非负矩阵分解 | 第47-50页 |
3.4 ODPNMF的乘法更新规则 | 第50-52页 |
3.4.1 维持空间复杂度开销不变 | 第50页 |
3.4.2 自适应近似参数 | 第50-52页 |
3.5 实验结果 | 第52-59页 |
3.5.1 人脸识别 | 第53-56页 |
3.5.2 视觉跟踪 | 第56-59页 |
3.6 小结 | 第59-62页 |
第四章 基于增广Lagrangian的盒约束投影非负矩阵分解 | 第62-76页 |
4.1 引言 | 第62-63页 |
4.2 盒约束投影非负矩阵分解 | 第63-64页 |
4.2.1 投影非负矩阵分解简介 | 第63页 |
4.2.2 提出模型 | 第63-64页 |
4.3 优化BPNMF | 第64-71页 |
4.4 实验结果 | 第71-73页 |
4.4.1 ORL数据集 | 第71-73页 |
4.4.2 FERET数据集 | 第73页 |
4.5 小结 | 第73-76页 |
第五章 盒约束判别非负投影矩阵分解 | 第76-92页 |
5.1 引言 | 第76-77页 |
5.2 算法模型 | 第77-82页 |
5.2.1 优化算法 | 第78-82页 |
5.3 实验结果 | 第82-90页 |
5.3.1 人脸识别 | 第82-88页 |
5.3.2 图像检索 | 第88-90页 |
5.4 小结 | 第90-92页 |
第六章 用于癌症分类的半监督投影非负矩阵分解 | 第92-110页 |
6.1 引言 | 第92-93页 |
6.2 算法模型 | 第93-96页 |
6.2.1 提出的模型 | 第93-94页 |
6.2.2 优化算法 | 第94-96页 |
6.3 实验结果 | 第96-105页 |
6.3.1 合成数据集 | 第96-98页 |
6.3.2 GCM数据集 | 第98-101页 |
6.3.3 Acute Leukemia数据集 | 第101-105页 |
6.4 小结 | 第105-110页 |
第七章 基于在线多模鲁棒非负字典学习的视觉跟踪 | 第110-124页 |
7.1 引言 | 第110-111页 |
7.2 相关工作 | 第111-112页 |
7.3 在线多模非负字典学习算法 | 第112-118页 |
7.3.1 算法模型 | 第112-113页 |
7.3.2 优化算法 | 第113-115页 |
7.3.3 OMRNDL跟踪器 | 第115-118页 |
7.4 实验结果 | 第118-122页 |
7.4.1 定性比较 | 第118-120页 |
7.4.2 定量比较 | 第120-122页 |
7.5 小结 | 第122-124页 |
第八章 总结与展望 | 第124-126页 |
8.1 工作总结 | 第124页 |
8.2 工作不足与展望 | 第124-126页 |
致谢 | 第126-128页 |
参考文献 | 第128-140页 |
作者在学期间取得的学术成果 | 第140-144页 |
附录A | 第144页 |
A.1 矩阵 Ψ~(l+1)的近似计算 | 第144页 |