高维数据的维数约简算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-32页 |
| ·模式识别 | 第12-17页 |
| ·概念和系统 | 第12-14页 |
| ·应用实例 | 第14-16页 |
| ·维数问题 | 第16-17页 |
| ·维数约简 | 第17-24页 |
| ·特征选择 | 第18-19页 |
| ·特征提取 | 第19-23页 |
| ·特征选择与特征提取方法比较 | 第23-24页 |
| ·稀疏表示和低秩表示 | 第24-28页 |
| ·本体 | 第28-29页 |
| ·本文的内容安排及创新之处 | 第29-32页 |
| 第2章 动态寻优子空间方法 | 第32-48页 |
| ·引言 | 第32-33页 |
| ·t检验和秩和检验 | 第33-35页 |
| ·全局统计子空间方法 | 第35-41页 |
| ·主成分分析(PCA) | 第36-39页 |
| ·线性判别分析(LDA) | 第39-40页 |
| ·最大边沿准则(MMC) | 第40-41页 |
| ·动态寻优子空间方法 | 第41-43页 |
| ·实验 | 第43-46页 |
| ·数据集 | 第43-44页 |
| ·t检验 | 第44页 |
| ·动态寻优子空间方法 | 第44-46页 |
| ·小结 | 第46-48页 |
| 第3章 基于稀疏表示的无监督特征选择算法 | 第48-62页 |
| ·引言 | 第48-49页 |
| ·两种无监督特征选择算法 | 第49-50页 |
| ·方差评分(VS) | 第49页 |
| ·拉普拉斯评分(LS) | 第49-50页 |
| ·基于稀疏表示的无监督特征选择 | 第50-53页 |
| ·稀疏表示 | 第50-52页 |
| ·目标函数 | 第52-53页 |
| ·稀疏评分 | 第53页 |
| ·实验 | 第53-60页 |
| ·评价标准 | 第54页 |
| ·Yale数据集 | 第54-57页 |
| ·ORL数据集 | 第57-59页 |
| ·讨论 | 第59-60页 |
| ·小结 | 第60-62页 |
| 第4章 基于低秩表示的监督特征提取算法 | 第62-78页 |
| ·引言 | 第62页 |
| ·两种人脸特征提取方法 | 第62-63页 |
| ·基于低秩表示的监督特征提取 | 第63-67页 |
| ·低秩表示 | 第63-65页 |
| ·目标函数 | 第65-66页 |
| ·低秩表示判别投影 | 第66-67页 |
| ·实验 | 第67-76页 |
| ·Yale数据集 | 第68-70页 |
| ·ORL数据集 | 第70-72页 |
| ·UMIST数据集 | 第72-75页 |
| ·讨论 | 第75-76页 |
| ·小结 | 第76-78页 |
| 第5章 基于农业本体的农业文本特征优化 | 第78-88页 |
| ·引言 | 第78-79页 |
| ·农业文本特征化 | 第79-80页 |
| ·农业本体的构建 | 第80-81页 |
| ·基于本体的文本特征优化 | 第81-84页 |
| ·特征映射 | 第81-82页 |
| ·特征加权 | 第82-84页 |
| ·实验 | 第84-87页 |
| ·评价标准 | 第84-85页 |
| ·特征优化 | 第85-87页 |
| ·小结 | 第87-88页 |
| 第6章 总结 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96-98页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第98-99页 |
