| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 传统降维算法简介 | 第15-18页 |
| 1.2.2 多视图降维算法简介 | 第18-21页 |
| 1.3 研究内容及章节安排 | 第21-24页 |
| 第二章 基于稀疏图嵌入的降维框架 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 SGE | 第24-26页 |
| 2.3 SR-LPP | 第26-27页 |
| 2.4“采样，投影”策略 | 第27-28页 |
| 2.4.1 算法框架 | 第27-28页 |
| 2.4.2 算法复杂度分析 | 第28页 |
| 2.5 实验结果及分析 | 第28-33页 |
| 2.5.1 数据库及参数设置 | 第28-29页 |
| 2.5.2 关于算法运行时间的实验结果及分析 | 第29-30页 |
| 2.5.3 关于分类精度的实验结果及分析 | 第30-32页 |
| 2.5.4 关于鲁棒性的实验结果及分析 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于马尔科夫链的鲁棒多视图降维算法 | 第34-44页 |
| 3.1 引言 | 第34-35页 |
| 3.2 多视图谱聚类 | 第35-36页 |
| 3.3 MC_similarity和MC_reconstruction | 第36-38页 |
| 3.3.1 MC_similarity | 第36-37页 |
| 3.3.2 MC_reconstruction | 第37-38页 |
| 3.3.3 算法复杂度分析 | 第38页 |
| 3.4 实验结果与分析 | 第38-42页 |
| 3.4.1 数据库和参数设置 | 第39页 |
| 3.4.2 人造数据 | 第39-41页 |
| 3.4.3 真实数据库 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于矩阵分解的多视图降维算法 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 算法引入 | 第44-45页 |
| 4.3 MVDR | 第45-49页 |
| 4.3.1 问题定义 | 第45-46页 |
| 4.3.2 优化算法 | 第46-49页 |
| 4.3.3 对参数 g 的讨论 | 第49页 |
| 4.3.4 收敛性分析 | 第49页 |
| 4.4 实验结果及分析 | 第49-56页 |
| 4.4.1 数据库及参数设置 | 第49-50页 |
| 4.4.2 关于分类精度的实验结果及分析 | 第50-53页 |
| 4.4.3 参数的影响 | 第53-55页 |
| 4.4.4 收敛性验证 | 第55页 |
| 4.4.5 与MC_similarity和MC_reconstruction的对比实验 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-62页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |