非结构环境下的基于稀疏描述的多平面支持向量机的地形识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容与方法 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 2 相关技术概述 | 第12-27页 |
| 2.1 稀疏低阶分解 | 第12-13页 |
| 2.1.1 稀疏理论 | 第12页 |
| 2.1.2 低阶稀疏 | 第12-13页 |
| 2.2 子空间谱聚类 | 第13-18页 |
| 2.2.1 谱聚类简介 | 第13-16页 |
| 2.2.2 子空间聚类 | 第16-18页 |
| 2.3 词袋模型 | 第18-19页 |
| 2.4 流形学习 | 第19-21页 |
| 2.5 支持向量机 | 第21-26页 |
| 2.5.1 支持向量机基本原理 | 第21-24页 |
| 2.5.2 孪生支持向量机 | 第24-25页 |
| 2.5.3 支持向量机多分类 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于稀疏描述的地形识别方法 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 低秩稀疏分解 | 第28-29页 |
| 3.3 SSC谱聚类与组稀疏 | 第29-30页 |
| 3.4 ADMM求解组稀疏的字典学习 | 第30-32页 |
| 3.5 SPM算法流程 | 第32-34页 |
| 3.6 LSTSVM算法 | 第34-35页 |
| 3.7 地形识别算法流程 | 第35-36页 |
| 3.7.1 算法描述 | 第35页 |
| 3.7.2 算法流程图 | 第35-36页 |
| 3.8 试验分析 | 第36-40页 |
| 3.9 本章小结 | 第40-41页 |
| 4 基于格拉斯曼流形的组间关系 | 第41-48页 |
| 4.1 基于流形的分组 | 第41-43页 |
| 4.1.1 流形学习 | 第41-42页 |
| 4.1.2 基于流形学习的谱聚类 | 第42-43页 |
| 4.2 地形识别任务试验 | 第43-47页 |
| 4.2.1 OUTEX数据集 | 第43-45页 |
| 4.2.2 VSPECT数据集 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 基于带权的孪生支持向量机地形识别 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 基于外罚理论的孪生支持向量机 | 第48-49页 |
| 5.3 基于外罚理论的带权孪生支持向量机地形识别 | 第49-54页 |
| 5.3.1 基于流形的局部权重设置方法 | 第49-50页 |
| 5.3.2 基于外罚理论的求解过程 | 第50-53页 |
| 5.3.3 牛顿迭代法求解 | 第53-54页 |
| 5.4 地形识别任务试验 | 第54-57页 |
| 5.4.1 OUTEX数据集 | 第54-56页 |
| 5.4.2 VSPECT数据集 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 附录 | 第68页 |
