| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 研究现状分析 | 第17-19页 |
| 1.2.1 特征降维研究现状 | 第17-18页 |
| 1.2.2 多视角降维研究现状 | 第18-19页 |
| 1.3 论文主要研究内容与章节安排 | 第19-22页 |
| 第二章 特征降维及多视角学习理论概述 | 第22-30页 |
| 2.1 引言 | 第22页 |
| 2.2 特征降维概述 | 第22-26页 |
| 2.2.1 经典降维算法 | 第22-24页 |
| 2.2.2 图嵌入框架 | 第24-26页 |
| 2.3 多视角学习方法概述 | 第26-29页 |
| 2.3.1 典型相关分析方法及其核扩展 | 第26-28页 |
| 2.3.2 判别型典型相关分析方法及其核扩展 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 融合类标图的图嵌入降维方法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 实际子空间的图嵌入方法(AGE) | 第30-32页 |
| 3.3 实际理想图子空间嵌入(AIGE) | 第32-36页 |
| 3.3.1 理想子空间中的类标图 | 第32-33页 |
| 3.3.2 算法推导过程 | 第33-36页 |
| 3.4 实验结果与分析 | 第36-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于图嵌入的多视角降维方法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 多视角线性判别分析 | 第48-49页 |
| 4.3 基于图正则化的多视角降维方法(MGRDA) | 第49-57页 |
| 4.3.1 图正则化构建 | 第49-51页 |
| 4.3.2 算法描述 | 第51-52页 |
| 4.3.3 实验结果与分析 | 第52-57页 |
| 4.4 基于核的图嵌入多视角降维方法 | 第57-59页 |
| 4.4.1 算法描述 | 第57-58页 |
| 4.4.2 实验结果与分析 | 第58-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 辐射源个体特征的降维与融合 | 第62-80页 |
| 5.1 引言 | 第62页 |
| 5.2 辐射源个体识别概述 | 第62-65页 |
| 5.2.1 辐射源个体识别简介 | 第62页 |
| 5.2.2 辐射源个体特征提取 | 第62-65页 |
| 5.3 基于AIGE的辐射源个体特征降维 | 第65-72页 |
| 5.4 基于MGRDA的辐射源个体特征融合 | 第72-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-90页 |