| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 本文主要研究内容与结构安排 | 第11-13页 |
| 第二章 基本知识介绍 | 第13-23页 |
| 2.1 稀疏表示和低秩表示相关理论 | 第13-14页 |
| 2.1.1 稀疏表示模型 | 第13-14页 |
| 2.1.2 低秩表示模型 | 第14页 |
| 2.2 凸优化问题的一些求解方法 | 第14-22页 |
| 2.2.1 ALM算法 | 第15页 |
| 2.2.2 ADMM算法 | 第15-16页 |
| 2.2.3 线性Bregman迭代算法 | 第16-19页 |
| 2.2.4 分裂Bregman迭代算法 | 第19-20页 |
| 2.2.5 ADMM算法与分裂Bregman算法的联系 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于全空间逆表示的分类模型及其优化求解 | 第23-39页 |
| 3.1 问题描述 | 第23-25页 |
| 3.1.1 基于稀疏表示分类的标准投影 | 第23-24页 |
| 3.1.2 全空间逆表示 | 第24-25页 |
| 3.2 模型建立 | 第25-27页 |
| 3.3 模型的优化求解 | 第27-33页 |
| 3.3.1 FSIR_LRSRC模型的LADMAP计算 | 第28-29页 |
| 3.3.2 FSIR_LRSRC模型的改进约束分裂Bregman计算 | 第29-33页 |
| 3.4 模型的收敛性分析 | 第33-36页 |
| 3.5 基于类别贡献率的分类准则 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于全空间逆表示分类模型的人脸识别 | 第39-57页 |
| 4.1 基于全空间逆表示分类模型的人脸识别算法 | 第39-42页 |
| 4.1.1 特征脸理论 | 第39-40页 |
| 4.1.2 算法设计 | 第40-42页 |
| 4.2 实验与分析 | 第42-55页 |
| 4.2.1 参数分析 | 第42-43页 |
| 4.2.2 样本互补信息的分析 | 第43-44页 |
| 4.2.3 分类准则的验证 | 第44页 |
| 4.2.4 算法的收敛性分析 | 第44-46页 |
| 4.2.5 模型的鲁棒性分析 | 第46-55页 |
| 4.3 本章小结 | 第55-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士期间撰写的学术论文 | 第67-69页 |
| 攻读硕士期间参与的科研项目 | 第69-71页 |
| 攻读硕士期间获奖情况 | 第71页 |
