| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的主要内容及章节的安排 | 第10-13页 |
| 第二章 利用坐标下降法实现并行稀疏子空间聚类 | 第13-31页 |
| 2.1 基于坐标下降法的稀疏子空间聚类 | 第13-20页 |
| 2.1.1 稀疏子空间聚类介绍 | 第13-19页 |
| 2.1.2 对比优化算法——交替方向乘子算法 | 第19-20页 |
| 2.2 坐标下降算求解稀疏子空间聚类及其并行 | 第20-25页 |
| 2.2.1 坐标下降算求解稀疏子空间聚类 | 第20-23页 |
| 2.2.2 基于坐标下降的并行稀疏子空间聚类 | 第23-25页 |
| 2.3 实验设置和实验结果 | 第25-29页 |
| 2.3.1 模拟子空间数据 | 第26-28页 |
| 2.3.2 真实数据 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于无穷范数判定的Lasso动态筛选方法 | 第31-49页 |
| 3.1 Lasso的筛选求解方法 | 第31-32页 |
| 3.2 基于无穷范数判定的Lasso动态筛选 | 第32-36页 |
| 3.3 对比Lasso筛选规则——对偶多面体映射 | 第36-38页 |
| 3.4 实验设置和实验结果 | 第38-48页 |
| 3.4.1 模拟数据集的性能验证 | 第38-43页 |
| 3.4.2 真实数据集的验证 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于spark平台的分布式稀疏子空间聚类应用 | 第49-55页 |
| 4.1 spark平台介绍和相关工作 | 第49-51页 |
| 4.2 基于spark构建分布式稀疏子空间聚类算法 | 第51-53页 |
| 4.3 实验分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文的工作内容及创新之处 | 第55页 |
| 5.2 今后的工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 攻读硕士期间完成的科研情况 | 第65页 |