| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.1.1 NMF的研究背景及意义 | 第14-15页 |
| 1.1.2 深度学习的研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 NMF的国内外研究现状 | 第16-17页 |
| 1.2.2 深度学习的国内外研究现状 | 第17-18页 |
| 1.3 论文主要工作及章节安排 | 第18-20页 |
| 第二章 基本理论 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 基本NMF方法 | 第20-22页 |
| 2.2.1 问题描述 | 第20-21页 |
| 2.2.2 目标函数 | 第21页 |
| 2.2.3 优化求解 | 第21-22页 |
| 2.3 改进的NMF方法 | 第22-26页 |
| 2.4 CNN及其改进模型 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 一种稀疏正则化的非负增强判别矩阵分解方法 | 第30-50页 |
| 3.1 引言 | 第30-31页 |
| 3.2 目标函数 | 第31-34页 |
| 3.3 更新规则 | 第34-37页 |
| 3.4 基于NEDMF_SR的图像分类与识别 | 第37-40页 |
| 3.5 实验与分析 | 第40-48页 |
| 3.5.1 数据库介绍 | 第40-41页 |
| 3.5.2 参数的选择 | 第41-42页 |
| 3.5.3 收敛性的学习 | 第42-43页 |
| 3.5.4 权系数的学习 | 第43-44页 |
| 3.5.5 有遮挡的人脸识别与图像分类 | 第44-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 一种软标签约束下的多通道鲁棒判别非负矩阵分解方法 | 第50-70页 |
| 4.1 引言 | 第50-52页 |
| 4.2 目标函数 | 第52-54页 |
| 4.3 更新规则 | 第54-57页 |
| 4.4 基于MRDNMF_SL的图像分类与识别构架 | 第57-62页 |
| 4.5 实验与分析 | 第62-68页 |
| 4.5.1 参数选取 | 第63-64页 |
| 4.5.2 收敛性学习 | 第64页 |
| 4.5.3 权系数学习 | 第64-65页 |
| 4.5.4 半监督的人脸识别 | 第65-66页 |
| 4.5.5 有监督的人脸识别 | 第66-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |