张量主成分分析及在图像序列识别中的应用
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要工作及章节安排 | 第16-18页 |
| 第2章 相关理论知识 | 第18-25页 |
| 2.1 张量及相关知识 | 第18-20页 |
| 2.1.1 张量的符号表示 | 第18页 |
| 2.1.2 张量的模式展开 | 第18-19页 |
| 2.1.3 张量的乘法 | 第19-20页 |
| 2.2 不同模式下的主成分分析算法 | 第20-22页 |
| 2.2.1 主成分分析算法 | 第20页 |
| 2.2.2 张量主成分分析算法 | 第20-22页 |
| 2.3 不同模式下的支持向量机 | 第22-24页 |
| 2.3.1 一维支持向量机 | 第22-23页 |
| 2.3.2 二维支持张量机 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 截断张量PCA算法对图像序列的特征提取 | 第25-30页 |
| 3.1 引言 | 第25页 |
| 3.2 截断张量PCA算法 | 第25-27页 |
| 3.3 三维张量最佳奇异值阈值的确定 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 三维支持张量机算法对图像序列的识别 | 第30-44页 |
| 4.1 引言 | 第30页 |
| 4.2 三维支持张量机 | 第30-34页 |
| 4.2.1 三维支持张量机的算法 | 第30-33页 |
| 4.2.2 三维支持张量机的内存占用 | 第33-34页 |
| 4.3 多秩三维支持张量机 | 第34-38页 |
| 4.3.1 SVM和 3DSTM之间的关系 | 第34-35页 |
| 4.3.2 多秩三维支持张量机的算法 | 第35-38页 |
| 4.4 实验验证与分析 | 第38-43页 |
| 4.4.1 实验环境与对比算法简介 | 第38-40页 |
| 4.4.2 识别结果分析 | 第40-42页 |
| 4.4.3 运算时间和内存占用分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51页 |
