| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景 | 第11-13页 |
| ·问题的提出及研究意义 | 第11-12页 |
| ·稀疏表示的数学描述 | 第12-13页 |
| ·研究现状 | 第13-18页 |
| ·稀疏表示的神经生理学基础 | 第13-14页 |
| ·信号稀疏表示的发展阶段及现状 | 第14-18页 |
| ·论文主要工作及组织结构 | 第18-20页 |
| 第二章 数据稀疏建模方法 | 第20-38页 |
| ·信号稀疏表示 | 第20-24页 |
| ·l_1 正则稀疏性分析 | 第20-21页 |
| ·结构化稀疏表示（Structured Sparsity） | 第21-22页 |
| ·自组合稀疏（Automatic Grouping Sparsity） | 第22-24页 |
| ·稀疏正则问题的求解 | 第24-34页 |
| ·贪婪算法 | 第24-25页 |
| ·凸优化基本理论 | 第25-27页 |
| ·凸优化方法 | 第27-34页 |
| ·字典学习 | 第34-37页 |
| ·最优方向算法（MOD） | 第35页 |
| ·K-SVD 算法 | 第35-36页 |
| ·在线字典学习算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 核稀疏图及其在无监督高维数据分析中的应用 | 第38-49页 |
| ·谱图理论及图构建技术 | 第38-41页 |
| ·谱图的相关定义基本理论 | 第38-40页 |
| ·图构建技术 | 第40-41页 |
| ·核稀疏图 | 第41-44页 |
| ·核稀疏表示 | 第41-42页 |
| ·核稀疏表示的优化 | 第42-43页 |
| ·Elastic net 正则扩展 | 第43-44页 |
| ·核稀疏图构建 | 第44页 |
| ·基于核稀疏图的无监督高维数据分析 | 第44-46页 |
| ·基于核稀疏图的谱嵌入 | 第44-45页 |
| ·基于核稀疏图的谱聚类 | 第45-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·基于核稀疏图的谱嵌入实验 | 第46-47页 |
| ·基于核稀疏图的谱聚类实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于核结构化稀疏表示的分类方法 | 第49-58页 |
| ·基于稀疏表示的分类器 | 第49-50页 |
| ·基于稀疏表示的分类算法简介 | 第49页 |
| ·基于稀疏表示的分类算法的改进 | 第49-50页 |
| ·基于核结构化稀疏表示的分类器 | 第50-54页 |
| ·核结构化稀疏表示 | 第50页 |
| ·核结构化稀疏表示的优化 | 第50-53页 |
| ·基于核结构化稀疏表示的分类 | 第53-54页 |
| ·实验结果及分析 | 第54-57页 |
| ·手写数字识别 | 第54-56页 |
| ·交通标志识别 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于字典学习与稀疏表示的道路分割方法 | 第58-66页 |
| ·道路分割简介及相关工作 | 第58-59页 |
| ·道路分割简介 | 第58-59页 |
| ·相关工作介绍 | 第59页 |
| ·基于字典学习与稀疏表示的道路分割算法 | 第59-63页 |
| ·算法框架 | 第59-60页 |
| ·路面小片的稀疏冗余字典模型 | 第60-62页 |
| ·基于稀疏重构误差的小片分类 | 第62页 |
| ·后处理与道路边界线提取 | 第62-63页 |
| ·实验结果及分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·对本文工作的总结 | 第66-67页 |
| ·对未来工作的展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-76页 |
| 作者在学期间取得的学术成果 | 第76页 |