多视角局部子空间学习方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 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 |
| 1.2.1 协同训练方法 | 第10-11页 |
| 1.2.2 多核学习方法 | 第11-12页 |
| 1.2.3 子空间学习方法 | 第12-13页 |
| 1.3 本文的研究内容和文章结构安排 | 第13-15页 |
| 1.3.1 本文的研究内容 | 第13-14页 |
| 1.3.2 本文的章节安排 | 第14-15页 |
| 2 相关算法及定义 | 第15-25页 |
| 2.1 子空间学习算法 | 第15-19页 |
| 2.1.1 局部线性嵌入 | 第15-17页 |
| 2.1.2 拉普拉斯映射 | 第17-19页 |
| 2.2 多视角学习算法 | 第19-25页 |
| 2.2.1 协同训练多视角谱聚类 | 第19-21页 |
| 2.2.2 协同正则化多视角谱聚类 | 第21-25页 |
| 3 多视角局部子空间学习算法 | 第25-53页 |
| 3.1 鲁棒局部子空间学习 | 第25-26页 |
| 3.2 多视角局部子空间学习 | 第26-31页 |
| 3.3 优化算法与证明 | 第31-35页 |
| 3.4 实验结果与分析 | 第35-53页 |
| 3.4.1 实验框架及数据集介绍 | 第35-38页 |
| 3.4.2 对比算法 | 第38-39页 |
| 3.4.3 评价指标 | 第39-41页 |
| 3.4.4 实验结果及分析 | 第41-53页 |
| 4 多视角图像检索 | 第53-64页 |
| 4.1 图像检索框架 | 第53-54页 |
| 4.2 底层特征提取 | 第54-57页 |
| 4.2.1 颜色特征 | 第54-56页 |
| 4.2.2 纹理特征 | 第56页 |
| 4.2.3 形状特征 | 第56-57页 |
| 4.3 相似性度量方法 | 第57页 |
| 4.4 多视角图像检索实验 | 第57-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
