基于低秩结构学习数据表示
| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-35页 |
| ·研究背景和意义 | 第15-19页 |
| ·维数约简 | 第15-16页 |
| ·稀疏与低秩 | 第16-18页 |
| ·机器学习 | 第18-19页 |
| ·维数约简的研究进展 | 第19-23页 |
| ·子空间分割 | 第19-21页 |
| ·稀疏表示 | 第21页 |
| ·矩阵恢复与填充 | 第21-22页 |
| ·非线性降维 | 第22-23页 |
| ·半监督与核学习的研究进展 | 第23-25页 |
| ·半监督学习 | 第23-24页 |
| ·非参数核学习 | 第24-25页 |
| ·论文的主要工作 | 第25-27页 |
| 本章参考文献 | 第27-35页 |
| 第二章 快速密度加权低秩近似谱聚类 | 第35-59页 |
| ·引言 | 第35-36页 |
| ·背景与相关工作 | 第36-38页 |
| ·谱聚类算法 | 第36页 |
| ·近邻传播算法 | 第36-37页 |
| ·Nystr m 方法 | 第37-38页 |
| ·全局距离测度与采样算法 | 第38-41页 |
| ·全局距离 | 第38-39页 |
| ·快速采样算法 | 第39-41页 |
| ·快速两阶段谱聚类框架 | 第41-44页 |
| ·采样阶段 | 第41-42页 |
| ·正交化的快速加权近似谱聚类阶段 | 第42-44页 |
| ·算法分析 | 第44-47页 |
| ·采样算法比较 | 第44-45页 |
| ·有效性分析 | 第45-46页 |
| ·快速近邻搜索 | 第46页 |
| ·复杂度分析 | 第46-47页 |
| ·实验结果 | 第47-54页 |
| ·双螺旋线数据 | 第47-48页 |
| ·实际数据 | 第48-49页 |
| ·评价指标 | 第49-50页 |
| ·比较算法 | 第50页 |
| ·聚类结果 | 第50-53页 |
| ·参数稳定性分析 | 第53-54页 |
| ·谱嵌入 | 第54页 |
| ·小结 | 第54-55页 |
| 附录 | 第55-56页 |
| 本章参考文献 | 第56-59页 |
| 第三章 双图正则非负矩阵分解 | 第59-83页 |
| ·引言 | 第59-60页 |
| ·相关工作 | 第60-62页 |
| ·非负矩阵分解 | 第60-61页 |
| ·图正则非负矩阵分解 | 第61页 |
| ·双正则联合聚类 | 第61-62页 |
| ·双图正则非负矩阵分解 | 第62-65页 |
| ·数据图与特征图 | 第62-63页 |
| ·DNMF 模型 | 第63页 |
| ·迭代更新规则 | 第63-64页 |
| ·收敛性分析 | 第64-65页 |
| ·双图正则非负矩阵三分解 | 第65-67页 |
| ·DNMTF 模型 | 第65页 |
| ·迭代规则 | 第65-67页 |
| ·收敛性分析 | 第67页 |
| ·复杂度分析 | 第67页 |
| ·实验 | 第67-76页 |
| ·比较算法 | 第67-68页 |
| ·UCI 数据 | 第68-71页 |
| ·图像数据 | 第71-72页 |
| ·稳定性分析 | 第72-75页 |
| ·雷达高分辨距离像(HRRP)数据 | 第75-76页 |
| ·小结 | 第76页 |
| 附录 | 第76-79页 |
| 本章参考文献 | 第79-83页 |
| 第四章 学习鲁棒低秩矩阵分解 | 第83-105页 |
| ·引言 | 第83-84页 |
| ·相关工作及研究进展 | 第84-86页 |
| ·鲁棒低秩矩阵分解框架 | 第86-87页 |
| ·单子空间模型 | 第86页 |
| ·多子空间模型 | 第86-87页 |
| ·基于交替方向法的迭代算法 | 第87-93页 |
| ·引入辅助变量 | 第87-88页 |
| ·迭代求解算法 | 第88-91页 |
| ·求解单子空间模型 | 第91页 |
| ·拓展应用于矩阵填充 | 第91-93页 |
| ·复杂度分析 | 第93页 |
| ·实验 | 第93-101页 |
| ·人工数据聚类 | 第93-96页 |
| ·人脸聚类 | 第96-98页 |
| ·背景建模 | 第98-99页 |
| ·图像修复 | 第99-101页 |
| ·小结 | 第101页 |
| 本章参考文献 | 第101-105页 |
| 第五章 学习谱表示应用于半监督聚类 | 第105-127页 |
| ·引言 | 第105-106页 |
| ·图的创建与谱表示 | 第106-108页 |
| ·对称偏好图 | 第106-107页 |
| ·图拉普拉斯谱嵌入 | 第107-108页 |
| ·问题模型与求解 | 第108-110页 |
| ·目标函数 | 第108-109页 |
| ·问题求解 | 第109-110页 |
| ·算法 | 第110-113页 |
| ·半监督聚类 | 第110-112页 |
| ·直推式分类 | 第112页 |
| ·复杂度分析 | 第112-113页 |
| ·实验 | 第113-122页 |
| ·比较算法与参数设置 | 第113页 |
| ·人工数据集 | 第113-115页 |
| ·向量型数据 | 第115-119页 |
| ·图结构数据 | 第119-121页 |
| ·半监督聚类应用 | 第121页 |
| ·直推式分类应用 | 第121-122页 |
| ·小结 | 第122-123页 |
| 本章参考文献 | 第123-127页 |
| 第六章 应用低秩矩阵填充学习数据表示 | 第127-151页 |
| ·引言 | 第127-128页 |
| ·学习谱表示框架 | 第128-130页 |
| ·核矩阵填充 | 第129-130页 |
| ·提升矩阵学习模型 | 第130页 |
| ·特征值迭代阈值算法 | 第130-135页 |
| ·改进的不动点算法 | 第131-132页 |
| ·加速策略 | 第132-134页 |
| ·半监督聚类 | 第134页 |
| ·推广到分类问题 | 第134-135页 |
| ·复杂度分析 | 第135页 |
| ·收敛性分析 | 第135-136页 |
| ·实验 | 第136-144页 |
| ·学习谱表示 | 第136-137页 |
| ·比较算法与参数设置 | 第137页 |
| ·向量型数据 | 第137-142页 |
| ·图结构数据 | 第142-143页 |
| ·分类应用 | 第143-144页 |
| ·小结 | 第144页 |
| 附录 | 第144-146页 |
| 本章参考文献 | 第146-151页 |
| 第七章 结合约束与低秩核学习的半监督学习 | 第151-175页 |
| ·引言 | 第151-153页 |
| ·符号与相关工作 | 第153-154页 |
| ·复合信息半监督学习框架 | 第154-156页 |
| ·基本框架 | 第154-155页 |
| ·核范数正则模型 | 第155-156页 |
| ·半监督学习算法 | 第156-162页 |
| ·改进的不动点迭代算法 | 第156-159页 |
| ·连续性策略与 BB 步长技术 | 第159-160页 |
| ·标签传播 | 第160-162页 |
| ·算法分析 | 第162-163页 |
| ·收敛性分析 | 第162页 |
| ·合法核 | 第162-163页 |
| ·复杂度分析 | 第163页 |
| ·归纳分类 | 第163页 |
| ·实验 | 第163-170页 |
| ·比较算法与参数设置 | 第163-164页 |
| ·交叉螺旋线数据 | 第164-165页 |
| ·实际数据 | 第165页 |
| ·直推式分类 | 第165-170页 |
| ·归纳分类 | 第170页 |
| ·小结 | 第170-171页 |
| 本章参考文献 | 第171-175页 |
| 第八章 总结与展望 | 第175-179页 |
| 致谢 | 第179-181页 |
| 攻读博士学位期间的研究成果 | 第181-185页 |
| 学术论文 | 第181-183页 |
| 著作章节 | 第183-184页 |
| 参加研究的科研项目 | 第184-185页 |
