张量主成分分析方法和应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 主成分分析模型 | 第11-16页 |
| 1.2.1 主成分分析模型的发展历程 | 第11-13页 |
| 1.2.2 主成分分析模型的实际应用 | 第13-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 本文的章节安排 | 第17-19页 |
| 第二章 张量鲁棒性主成分分析 | 第19-29页 |
| 2.1 张量基础 | 第19-21页 |
| 2.2 张量分解模型 | 第21-25页 |
| 2.2.1 CP分解 | 第21页 |
| 2.2.2 Tucker分解 | 第21-23页 |
| 2.2.3 t-SVD分解 | 第23-25页 |
| 2.3 张量鲁棒性主成分分析 | 第25-28页 |
| 2.3.1 凸优化模型 | 第26-27页 |
| 2.3.2 交替方向乘子算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 分块张量主成分分析模型 | 第29-40页 |
| 3.1 模型介绍 | 第29-30页 |
| 3.2 迭代的分块张量奇异值截断算法 | 第30-31页 |
| 3.3 实验分析 | 第31-33页 |
| 3.4 BTRPCA优化模型 | 第33-39页 |
| 3.4.1 凸优化模型 | 第33-34页 |
| 3.4.2 仿真实验 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 增强型核范数的张量鲁棒性主成分分析模型 | 第40-56页 |
| 4.1 增强型核范数 | 第40-43页 |
| 4.2 优化模型 | 第43-44页 |
| 4.3 计算复杂度 | 第44-45页 |
| 4.4 实验分析 | 第45-55页 |
| 4.4.1 图像去除稀疏噪声 | 第45-49页 |
| 4.4.2 视频背景建模 | 第49-53页 |
| 4.4.3 人脸去阴影 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 视频去雨的综合模型应用 | 第56-61页 |
| 5.1 视频去雨研究介绍 | 第56-57页 |
| 5.2 优化模型 | 第57-58页 |
| 5.3 实验分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 全文总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61-62页 |
| 6.2 后续工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的成果 | 第69页 |
