| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-20页 |
| 第2章 相关研究综述 | 第20-26页 |
| 2.1 非负矩阵分解方法及其应用 | 第20-23页 |
| 2.1.1 非负矩阵分解方法 | 第20-21页 |
| 2.1.2 正则化的NMF方法 | 第21-22页 |
| 2.1.3 结构化的NMF方法 | 第22-23页 |
| 2.1.4 广义的NMF方法 | 第23页 |
| 2.2 KKT条件 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于块耦合的非负矩阵分解（B-NMF）的超稀疏矩阵重构方法研究 | 第26-44页 |
| 3.1 超稀疏矩阵对问题求解的影响 | 第26-27页 |
| 3.2 基于耦合非负矩阵分解的超稀疏矩阵重构方法研究 | 第27-31页 |
| 3.2.1 基于非负矩阵分解的矩阵重构方法 | 第27-29页 |
| 3.2.2 正则化方法在非负矩阵分解中的应用 | 第29-30页 |
| 3.2.3 基于耦合非负矩阵分解的重构改进方法 | 第30-31页 |
| 3.3 基于块非负矩阵分解的超稀疏矩阵重构方法 | 第31-39页 |
| 3.3.1 算法框架设计 | 第31页 |
| 3.3.2 特征增强系数矩阵 | 第31-33页 |
| 3.3.3 螺旋分块方法 | 第33-36页 |
| 3.3.4 块间数据一致性问题 | 第36-37页 |
| 3.3.5 同质性系数正则项 | 第37-39页 |
| 3.4 基于块非负矩阵分解（B-NMF）的超稀疏矩阵重构算法求解 | 第39-40页 |
| 3.4.1 优化求解 | 第39-40页 |
| 3.5 算法伪代码 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 B-NMF算法的性能比较与结果分析 | 第44-54页 |
| 4.1 实验目标 | 第44页 |
| 4.2 实验数据集 | 第44-45页 |
| 4.3 评测标准及实验设计 | 第45-47页 |
| 4.3.1 评测标准 | 第45-46页 |
| 4.3.2 实验设计 | 第46-47页 |
| 4.4 实验结果分析 | 第47-49页 |
| 4.5 参数比较 | 第49-52页 |
| 4.5.1 正则项参数 | 第49-50页 |
| 4.5.2 系数矩阵增强函数 | 第50-51页 |
| 4.5.3 融合方法 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 B-NMF算法在典型数据挖掘领域中的应用探讨 | 第54-70页 |
| 5.1 B-NMF方法推荐系统中的应用 | 第54-60页 |
| 5.1.1 推荐系统综述 | 第54-55页 |
| 5.1.2 协同过滤 | 第55-58页 |
| 5.1.3 利用B-NMF算法提升协同过滤算法性能 | 第58-59页 |
| 5.1.4 小结 | 第59-60页 |
| 5.2 B-NMF方法人脸识别系统中的应用 | 第60-69页 |
| 5.2.1 人脸识别系统综述 | 第60-61页 |
| 5.2.2 基于PCA的人脸识别技术 | 第61-65页 |
| 5.2.3 利用B-NMF提升人脸识别性能 | 第65-68页 |
| 5.2.4 小结 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
